看Training Curve 以及 Validation Curve，在其他条件理想的情况下，如果Training Accuracy 高， Validation Accuracy 低，也就是过拟合 了，可以尝试去减少层数或者参数。卷积核“滑动”的同时，计算权重矩阵和扫描所得的数据矩阵的乘积，然后把结果汇总成一个输出像素。12的图像，然后通过了一个全连接层用一个12x12x20x100的卷积层去卷

关键字：pathlib的使用，tf.keras.preprocessing.image_dataset_from_directory() 简介，配置数据集，CNN网络模型结构，Dropout层 tf.keras.layers.Dropout() 介绍，编译参数。

关键字： 增加Dropout层，全局平均池化层代替全连接层(模型轻量化)

关键字： torch.utils.data.DataLoader()参数详解，torch.squeeze()与torch.unsqueeze()详解，拔高尝试--更改优化器为Adam，增加dropout层，保存最好的模型

Anaconda安装(一款可以同时创建跟管理多个python环境的软件)Anaconda创建一个新python环境(安装人工智能常用的第三方python包，如：tensorflow、keras、pytorch)Pycharm安装(一款可以编写、调试python代码的智能集成工具)Pycharm配置Anaconda创建的新python环境开课前预习资料推荐：(1)《动手学深度学习》链接：https:

tensorflow库在2.11及以上的版本中，都取消了对Windows平台的GPU支持，因此本机安装的tensorflow版本为2.10.1，tensorflow与cuda版本需要版本匹配，查看tensorflow2.10.1对应cuda11.2版，因此我这里下载的版本为11.2.0版。现在需要重启电脑，然后Win+R进入cmd界面，输入nvcc -V，出现如下界面，代码cuda已经安装成功了。

看Training Curve 以及 Validation Curve，在其他条件理想的情况下，如果Training Accuracy 高， Validation Accuracy 低，也就是过拟合 了，可以尝试去减少层数或者参数。卷积核“滑动”的同时，计算权重矩阵和扫描所得的数据矩阵的乘积，然后把结果汇总成一个输出像素。12的图像，然后通过了一个全连接层用一个12x12x20x100的卷积层去卷

关键字：ResnetV2， pytorch实现Resnet50V2算法

tensorflow库在2.11及以上的版本中，都取消了对Windows平台的GPU支持，因此本机安装的tensorflow版本为2.10.1，tensorflow与cuda版本需要版本匹配，查看tensorflow2.10.1对应cuda11.2版，因此我这里下载的版本为11.2.0版。现在需要重启电脑，然后Win+R进入cmd界面，输入nvcc -V，出现如下界面，代码cuda已经安装成功了。

去官网下在自己需要的版本我自己下载的版本为Anaconda3-2024.02-1-Linux-x86_64.sh。