不平等（原始数字）：答错题 9 扣 9 分、答错题 0 只扣 1 分，学生会只玩命练题型 0、1，完全放弃 7、8、9，最终偏科严重。比如实际数值5，按数值预测，预测为4比3的差距小，但实际图像处理，预测为3或者4其实误差都一样，使用hot -one可以使其平等。1.weight_variable (shape)：权重初始化，对比全 0 初始化、卷积不能全 0 初始化的原因。全0初始化用于单层线性

数据增强（distorted_inputs()）：在训练阶段对原图做随机几何、像素变换，用有限 5 万张训练图生成大量 “新样本”，扩充数据分布，降低过拟合、提升泛化能力，让模型在测试集陌生图片上表现更好。原始输入层-数据集初始化-Epoch循环-数据预处理映射层-迭代-二进制写入本地。建立模型识别图像： cifar10_inference_tf2（）输入网址： http://localhost:

直接使用全连接层，一个输出负责分类（K类物体，输出K+1个数，有一类为背景类针对无目标物体的情况），另一个输出负责框回归（对原始的检测框进行某种程度的校准）训练：在数据集上训练CNN；在目标检测的数据集上，对训练好的CNN做微调；在训练十需要训练RPN网络和在得到框之后使用的分类网络，交替训练，在一个batch内，先训练RPN，再训练分类网络。特征提取不同：使用ROI池化层，可以先对图像进行卷积计

【代码】TensorFlow Object Detection API。