Colab 使用问题训练siameserpncfnet、使用colab运行深度学习gpu应用（Mask R-CNN）实践

Reciprocative Learning 往复学习
Meta-learning 元学习
Reinforcement Learning 强化学习
它是一个简单的前馈神经网络，它接受一个输入，然后一层接着一层地传递，最后输出计算的结果。

神经网络的典型训练过程如下：

1.定义包含一些可学习的参数(或者叫权重)神经网络模型；
2.在数据集上迭代；
3.通过神经网络处理输入；
4.计算损失(输出结果和正确值的差值大小)；
5.将梯度反向传播会网络的参数；
6.更新网络的参数，主要使用如下简单的更新原则： weight = weight - learning_rate * gradient

使用colab运行深度学习gpu应用（Mask R-CNN）实践https://www.cnblogs.com/jackkwok/p/10404804.html

入如果colab指令经不去直接sudo su,回弹出一个输出root框，直接cd 就可以了
同样的DAT,比较一下和eco、updt、atom的差距
最新的
Deep Attentive Tracking via Reciprocative Learning
Paper: https://arxiv.org/abs/1810.03851

Project page: https://ybsong00.github.io/nips18_tracking/index

Code: https://github.com/shipubupt/NIPS2018
以前的
Distractor-aware Tracking