卷积核的尺寸等于1的特例，用来做升维和降维，减少参数量，改变通道数，通道间的特征融合。

传统的卷积神经网络参数量大，导致预测时算力大，对于手机、嵌入式等移动设备来讲部署慢且占用空间，无法满足需求。2017年，Google提出的移动端高效率模型MobileNet：相比VGG16，分类准确率下降了0.9%，但是模型参数仅仅是VGG16的1/32到1/33。

动量项更新：利用当前梯度和历史动量来计算新的动量项。权重参数更新：利用更新后的动量项来调整权重参数。梯度计算：在每个时间步计算当前的梯度，用于更新动量项和权重参数。没有对学习率进行优化。

三大要素：数据、算法（神经网络）、算力。

两个随机变量 XX和 YY被称为独立的，如果它们满足以下条件：对于连续型随机变量：它们的联合概率密度函数f(x,y)可以表示为各自边缘概率密度函数的乘积：$$$$对于离散型随机变量：它们的联合概率质量函数P(X=x,Y=y)可以表示为各自边缘概率质量函数的乘积：$$$$

是一个非常流行的 Python 库，专门用于人脸识别任务。它基于 dlib 库和 HOG（Histogram of Oriented Gradients）特征以及深度学习模型，提供了简单易用的接口来进行人脸检测、面部特征点定位和人脸识别。库由 Adam Geitgey 开发，旨在简化人脸识别任务，容易上手。主要功能人脸检测检测图像中的人脸位置。支持使用 HOG 特征或 CNN（卷积神经网络）进行人

人工智能：为机器赋予人的智能机器学习：一种实现人工智能的方法深度学习：一种实现机器学习的技术传统机器学习算法依赖于人工设计特征、提取特征，而深度学习模仿人脑的运行方式，从大量数据中学习特征，依赖算法自动提取特征，可解释性差。常用于：图像处理，自然语言处理，语音识别，自动驾驶，LLM，机器人。

Deformable Convolution可变形卷积，由微软亚洲研究院提出。