作业2：BP 算法实验报告1. 算法介绍BP 算法全称叫做误差反向传播（error Back Propagation， 或者叫作误差逆传播）算法。现实任务中使用神经网络时，大多是在是使用 BP 算法进行训练。BP 算法不仅可以用户多层前馈神经网络，还可以用于其它类型的神经网络，例如训练递归神经网络。但通常说“BP 网络”时，一般是指用 BP 算法训练的多层前馈神经网络。BP 神经网络是这样一种神经

使用机器学习或者深度学习对羽毛进行等级识别判断1. 运行环境CPU：I5-10400内存：16GB系统：Win10 64位专业版，20H2IDE：Pycharm2020.1Python：3.7.9Pytorch：1.7.12. 实验目的理解机器学习如何应用到实际场景。掌握特征提取方法。3. 实验内容数据集介绍：在制作羽毛球时，羽毛会根据质量的高低而价格不同，因此存在根据羽毛的图片而对其分级的需求。

作业3：LeNet 网络实现报告LeNet-5 网络模型作为卷积神经网络中的开创性工作，提出了三大思想：局部感知权值共享下采样因为图像特征分布在图像的像素上，利用卷积操作可以在多个位置提取相类似的特征，于是有了局部感知。另外由于当年并没有计算能力强悍的 GPU 来辅助训练神经网络，因此通过下采样层有效地加快训练和提取更高维特征，能够节省参数和计算，这与当年的技术相比是一个关键的优势。另外原论文中提

使用机器学习或者深度学习对羽毛进行等级识别判断1. 运行环境CPU：I5-10400内存：16GB系统：Win10 64位专业版，20H2IDE：Pycharm2020.1Python：3.7.9Pytorch：1.7.12. 实验目的理解机器学习如何应用到实际场景。掌握特征提取方法。3. 实验内容数据集介绍：在制作羽毛球时，羽毛会根据质量的高低而价格不同，因此存在根据羽毛的图片而对其分级的需求。

作业2：BP 算法实验报告1. 算法介绍BP 算法全称叫做误差反向传播（error Back Propagation， 或者叫作误差逆传播）算法。现实任务中使用神经网络时，大多是在是使用 BP 算法进行训练。BP 算法不仅可以用户多层前馈神经网络，还可以用于其它类型的神经网络，例如训练递归神经网络。但通常说“BP 网络”时，一般是指用 BP 算法训练的多层前馈神经网络。BP 神经网络是这样一种神经

作业5：SVM实现鸢尾花分类1. SVM 介绍支持向量机（support vector machines）是一种二分类模型，是定义在特征空间上的间隔最大的线性分类器。它的目的是寻找一个超平面来对样本进行分割，分割的原则是间隔最大化，最终转化为一个凸二次规划问题（convex quadratic programming）来求解，可等价于正则化的合页损失函数最小化问题。SVM算法流程如图1所示：SVM

一、卸载旧版本的Docker旧版本的Docker被称作docker或者docker-engine，Docker CE（社区版）包现在被叫做docker-ce。如果之前安装过了，需要先卸载：sudo apt-get remove docker docker-engine docker.io二、使用存储库安装Docker1.设置存储库：(1).更新apt安装包索引：su

CORE gRPC API原文链接：gRPC APIgRPC 是一个用于与 CORE 交互的客户端/服务器 API，并被 Python GUI 用于驱动所有功能。它依赖于要利用的正在运行的 CORE 守护程序实例。可以从包含在 CORE 中的原始生成的 grpc 文件创建一个 python 客户端，或者可以利用提供的 gRPC 客户端来帮助封装一些功能来尝试帮助使事情变得更容易。1. Python

CORE Python API原文链接：Python API1. 概述编写您自己的 Python 脚本提供了一个丰富的编程环境，可以完全控制仿真的所有方面。脚本需要以 root 权限运行，因为它们会创建新的网络命名空间。通常，CORE Python 脚本不会连接到 CORE 守护程序，实际上，core-daemon 只是另一个使用 CORE Python 模块并与 GUI 交换消息的 Python

CORE 架构原文链接：CORE Architecture1. 主要组成部分1.1. core-daemon管理给定网络的节点和链路的仿真会话节点是使用Linux命名空间创建的链路是使用Linux网桥和虚拟以太网对等体创建的通过链路发送的数据包使用流量控制进行处理通过 CORE 界面控制提供自定义 TLV API 和 gRPC API利用小型 C 二进制文件创建节点的 Python 程序1.2.