LeNet-5诞生于1994年，是最早的卷积神经网络之一， 由Yann LeCun完成，推动了深度学习领域的发展。在那时候，没有GPU帮助训练模型，甚至CPU的速度也很慢，因此，LeNet5通过巧妙的设计，利用卷积、参数共享、池化等操作提取特征，避免了大量的计算成本，最后再使用全连接神经网络进行分类识别，这个网络也是最近大量神经网络架构的起点，给这个领域带来了许多灵感。LeNet-5卷积神经网络的

本文介绍了MATLAB中生成矩阵的几种方法：1）元素输入法，需用[]括起，用逗号/空格分隔元素，分号分隔行；2）步长生成法（x=a:inc:b），注意步长须为实数；3）均匀采样法（linspace）。还介绍了特殊矩阵的创建：空矩阵、全零/一矩阵、单位矩阵、魔方矩阵（详解其数学特性）、均匀/高斯随机矩阵（对比差异）及对角矩阵的三种用法（向量转对角阵、提取指定对角线、提取矩阵主对角线）。文中通过实例和

（3）下标索引：所谓“下标”，就是编号，就好比超市中的存储柜的编号，通过这个编号就能找到相应的存储空间。字典则是关键字索引。还有一个方法，也可以添加元素，且参数可以是列表，元组，字典等，语法格式 ：s.update( x )。key – 主要是用来进行比较的元素，只有一个参数，具体的函数的参数就是取自于可迭代对象中，指定可迭代对象中的一个元素来进行排序。序列中的每个值都有对应的位置值，称之为索引，

深度学习里在pycharm中用pytorch进行训练时，报错win的大小不合适的情况解决方案

简单的说链式法则就是原本y对x求偏导，但是由于过程较为复杂，我们需要将函数进行拆分，通过链式进行分别求导，这样会使整个计算更为简单。假设f = k ( a + b c ) f = k(a + bc)f=k(a+bc)通俗来说，链式法则表明，知道z相对于y的瞬时变化率和y相对于x的瞬时变化率，就可以计算z相对于x的瞬时变化率作为这两个变化率的乘积。其实就是求复合函数导数的过程。用链式法则（将这些梯度

将文件夹中的图片批量缩放为自己想要的大小，然后另存在一个文件夹中

ZFNet在2013年 ILSVRC 图像分类竞赛获得冠军，错误率11.19% ，比2012年的AlexNet降低了5%，ZFNet是由 Matthew D.Zeiler 和 Rob Fergus 在 AlexNet 基础上提出的大型卷积网络。ZFNet解释了为什么卷积神经网络可以在图像分类上表现的如此出色，以及研究了如何优化卷积神经网络。ZFNet提出了一种可视化的技术，通过可视化，我们就可以了

将格式为npy的图片转换为png格式，然后保存到另外文件夹中，并且保存的文件名与原来保持一致

【Python-Anaconda】在anaconda中创建、激活虚拟环境；在anaconda中所创建的虚拟环境中安装OpenCv；如何在jupter notebook中使用所创建的虚拟环境

albumentations库依赖opencv，在直接使用pip命令安装时，albumentations会默认采用opencv-python-headless作为opencv的默认依赖进行安装，由于opencv系列有多个版本，所以我们可以选择绕开，将albumentations依赖的opencv指向已经安装好的opencv-python库。python环境下安装albumentations出现的,