这是第一次从头开始操作一个深度学习项目，从数据预处理，model设计，搭建，训练，调参，基本上整个流程都走了一遍半年之前我将计算机视觉几个任务的主要模型都熟悉了，像分类任务的vgg, alexnet, 目标检测的YOLO系列，SSD，RCNN，语义分割的Unet，FCN。在此之后，我要求具备深度网络的设计和实现能力。在复现了全卷积网络unet和yolo3之后，我想可以进入一个新的领域检验我所学习到

https://www.bilibili.com/video/BV1vb4y1k7BV?from=search&seid=13945031926072503039&spm_id_from=333.337.0.0首先解释何为残差，一般和误差做一个区分误差是观察值与真实值之间的差。误差中的观察值表示通过测量得出的值，真实值表示那个理想地、几乎不可能达到的精确的值。可以说我们的模型是自带

超大型数据的存储和管理，使用文件来持久化的局限性是很明显的

此篇文章的目的是在于建立一个可以协同配合的工作流，我希望对于一个算法的理解包含以下内容：详尽的分析，程序的结构，代码。文章中包含前两个部分，然后在本地完成代码。编写代码是否需要再附上结构，很难说，我现在想的是只加上主干，再附上一个链接即可对于一个大数，直接处理往往是很复杂的。通常，使用因式分解对大数进行拆分，对每一个质因数进行处理自然数通常可以写成质因数相乘的形式模式识别：需要移动左右两头的问题可