在线学习：实时交互、策略更新立即影响行为，适合需要即时适应环境的场景。离线学习：基于历史数据训练，策略更新与交互分离，适合安全性要求高或实时交互成本高的场景。两者的选择取决于具体的应用场景、数据可用性以及系统对安全性和实时性的要求。

今天在训练自己定义的网络时，用Tensorboard观察Train/Val 的loss在训练时的变化，发现了下面loss会周期性剧增的情况：通过观察loss具体的数值变化，我发现每次loss剧增都发生在一个epoch的最后一轮。通过分析，我判断出这是由于我的图片数量不能被batch size整除导致的。我的train/val分别有2450,610张图片，batch size为32，这使得...

论文地址：https://arxiv.org/abs/1901.02985 1月10号提交代码：好像没公布，我后面再找找作者：Chenxi Liu, Liang-Chieh Chen, Florian Schroff, Hartwig Adam, Wei Hua, Alan Yuille, Li Fei-Fei

参考资料：知乎-为什么CNN中的卷积核一般都是奇数奇数，没有偶数偶数的？深度学习: 卷积核 为什么都是 奇数size【AI-1000问】为什么CNN中的卷积核半径都是奇数？主要有两点原因：1.便于进行padding。在卷积时，若要卷积前后的尺寸不变。需要对原图进行padding。假设图像的大小，也就是被卷积对象的大小为n∗nn*nn∗n，卷积核大小为k∗kk*kk∗k当paddin...

在线学习：实时交互、策略更新立即影响行为，适合需要即时适应环境的场景。离线学习：基于历史数据训练，策略更新与交互分离，适合安全性要求高或实时交互成本高的场景。两者的选择取决于具体的应用场景、数据可用性以及系统对安全性和实时性的要求。

目录union定义与简单使用内存分配与所占空间多种访问内存途径共存数据存储位置union应用之寄存器读取union，中文名“联合体、共用体”，在某种程度上是类似结构体struct的一种数据结构，联合体(union)和结构体(struct)同样可以包含很多种数据类型和变量。

在深度学习中，一般我们会把喂给网络模型的训练图片进行预处理，使用最多的方法就是零均值化(zero-mean) / 中心化，即让所有训练图片中每个位置的像素均值为0，使得像素值范围变为[-128,127]，以0为中心。举个例子，假设训练图片有5000张，图片大小为32*32，通道数为3，则用python表示如下：x_train = load_data(img_dir)# 读取图片数据 x...