FILE 是C语言自带的文件操作结构体， fstream 是C++的文件操作类，两者使用都比较常见，且用法比较类似，再次记录。

GPU能大幅提升计算速度，为了达到GPU加速训练的目的，就要将进行运算的数据传入GPU，回想一下神经网络，所有的数据不外乎是模型参数和数据集，所以我们只要将模型参数和数据集传入GPU即可。用.cuda()可以达到这个目的class Net(torch.nn.Module):def __init__(self):...#我只是省略了网络详细内容 0.0d...

Matlab这几年在人工智能这块儿也越做越好了，最近为了熟悉matlab如何搭建神经网络，自己做了一个手写体识别实验，记录一下。实验任务非常简单，网络搭的也非常随意，不合理的地方也懒得改，旨在走通matlab搭建神经网络的流程。

1、均值滤波前2、中值滤波器3、高斯滤波器4、non-local means算法5、改进的non-local means算法

可以看到，函数一上来就会检查编码器是否打开，以及传入的AVCodecContext是不是一个编码器，两个条件有一个不成立，就返回。这个错误，avcodec_send_frame()函数源码为。那我们接下来可看一下什么情况下会报。表示找不到编码器，并抛出错误。可以先验证一下-22是不是。验证成功，返回值-22就是。作为编码函数，作用是将。

matlab自带了一些用于图像交互式操作的函数，在这里记录一下；getpt作用：你用鼠标点击图像的某一像素，返回这个像素的位置用法：[x,y] = getpts示例：img = imread('lena.jpg');figure;imshow(img)[x,y] = getpts; %x是列，y是行getrect作用：选取一个矩形区域用法：p= getpts；p返回了四个数，依次为左上角像素的列，

RD算法于1978年处理出第一幅机载SAR数字图像，至今仍在广泛使用，它通过距离和方位上的频域操作，达到了高效的模块化处理要求，同时又具有了一维操作的简便性。该算法根据距离和方位上的大尺度时间差异，在两个一维操作之间使用距离徙动校正(RCMC)，对距离和方位进行了近似的分离处理。由于RCMC是在距离时域-方位频域中实现的，所以也可以进行高效的模块化处理。因为方位频率等同于多普勒频率，所以该处理域又

记录一下形状参数（shape parameter）和尺度参数（scale parameter）分别是什么，对分布函数起到什么样的控制作用。其中，$v$是尺度参数，$\lambda$是形状参数。分析$v$和$\lambda$有啥用，最简单的办法就是画出来观察观察

废话不多说第一步：右键单击主页，点【检查】；第二步：选中【Sources】第三步：右键点击图片保存即可

像一个数据容器，但是它又不用来直接存储数据，只是一层数据的封装。怎么理解呢？可以存储里很多类型的数据，比如存储可能是一个Tensor，一组Tensor，或者是一个Moudle，甚至是一个int，所以更像是一种封装，对不同的数据类型进行了一次统一的封装，然后很多很多函数的接口都可以使用这种统一的数据类型了。如果你用过opencv，那么你可以觉得眼熟，不就是这么干的么，比如常用的cv::resize函