in_channels是输入的图片的channel数；out_channels是输出的通道数；kernel_size用来设置卷积核的大小，卷积核的初值是某个分布中的采样，随着训练的进行，值是不断变化的；stride是步径，卷积核移动的格数；padding是输入的外围拼接的大小。out_channels取决于卷积核的数量，卷积核也有in_channels参数，该参数取决于需要进行卷积操作的数据的ch

非线性介绍非线性变换的主要目的就是给网中加入一些非线性特征，非线性越多才能训练出符合各种特征的模型。常见的非线性激活：ReLU：* 表示输入的形状可以任意在进行网络初始化时，发现ReLU有一个参数inplace：input = -1ReLU(input, inplace=True)input = 0input = -1output = ReLU(input, inplace = False)inp

CIFAR 10 模型结构：通过图片可以知道，输入为3通道的32*32大小数据，第一步卷积，通过5*5的一个卷积核，得到32通道的32*32的大小，接着通过2*2的最大池化层得到32通道的16*16...得到64通道的4*4数据，经过flatten展开为1024个一行的数据，通过线性层得到隐藏层的64个数据，再经过一个线性层得到输出。第一层的卷积层，可以知道参数in_channels为3，out_

最大池化的目的在于保留原特征的同时减少神经网络训练的参数，使得训练时间减少。相当于1080p的视频变为了720p最大池化介绍池化层最常用的是下采样，其中参数：kernel_size：设置取最大值的窗口，类似于卷积层的卷积核，如果传入参数是一个int型，则生成一个正方形，边长与参数相同；若是两个int型的元组，则生成长方形。stride：步径，与卷积层不同，默认值是kernel_size的大小。pa

目录一、关于pip出现的问题及解决1. 首先找到pip.exe文件的路径：​​2.将该路径复制到环境变量中：3.验证二、pygame的安装1.首先应该进入到自己安装的VS，查看自己的python版本，如图：​2.进行安装一、关于pip出现的问题及解决下载了VS2019，安装了python的环境，但是在命令提示符用pip命令下载第三方库时会出现可能是路径不包含的原因，具体解决方法...

非线性规划：描述目标函数或约束条件条件的数学表达式中，至少有一个是非线性函数。记是n维欧式空间中的一个点（n维向量），，，是定义在上的实值函数。若f,g,h函数中至少有一个是x的非线性函数，则称如下为非线性规划模型的一般形式： 全局最优解：若，并且都有，则称为全局最优解。 局部最优解：x的邻域内（也包含于可行域），x所对应的函数值是最小的，则x为局部最优解。无约束非线性规划问题可以具体表示为：凸规

插值每一个点一定在曲线上；拟合点不一定在曲线上。如果构造n次插值多项式，则需要n+1个约束方程。插值多项式P(x)与被插函数f(x)之间的差称为截断误差，用R(x)表示。此时a0到an是未知数，未知数的系数是一个范德蒙行列式，在matlab中，直接用y除以系数矩阵即可求出未知数。对下面的观测点进行插值，并估计x=1.5处的函数值也可以使用matlab的APP中CurveFitting生成拟合曲线，

一部分或全部决策变量必须取整数值的规划问题称为整数规划。纯整数规划：全部决策变量都为整数；混合整数规划：决策变量有一部分是整数值，另一部分不是整数；0-1整数规划：决策变量只能取0或1的整数规划。整数线性规划模型（一个线性规划模型中的部分或全部决策变量为整数）一般形式：有时，也可以通过引入0-1变量将一些特定的非线性约束条件进行线性化。如果有m个相互排斥的约束条件，即同一时间只能有一个条件起作用，

线性层参数 in_features 就是输入x，out_features 是线性层的输出是上图的g。x到g的关系式为：，其中的是权重，是偏置（参数bias为True时，才存在）。阅读官方文档可知，weight和bias都是从分布中采样初始化，经过训练得最终结果。在vgg16模型中，将224*224*3的图片转变为了1*1*4096的大小，经过训练，得到最终的1*1*1000的结果。我们也采取相同的

BP神经网络百度百科解释为前馈和误差逆向传播为该神经网络的两个主要部分1、模型介绍这是一个生物上的神经元，①是胞体，用来处理传进来的刺激和产生传出的刺激；②是轴突，输出本神经元的刺激；③是树突，用来接收其他神经元的刺激，传给胞体。由此可以抽象出一个神经元模型：左边树突，中间胞体，右边轴突。是激活函数，对输入进行处理，得到输出，主要作用是完成数据的非线性变换，另一个重要的作用是执行数据的归一化，将输