model.add(Convolution2D(input_shape=(28, 28, 1), filters=32, kernel_size=5, strides=1, padding='same', activation='relu')) 注: 卷积层 对应: 输入数据 滤波器个数 卷积核个数 步长 数据填充(padding same) 激活函数。model.add(Flatten()) #

图像处理算法: 1.滤波操作 用于平滑图像、去除噪声等 常见的算法如均值滤波、高斯滤波等，均值滤波详细展开就是，遍历图像的每个像素，将该像素及其邻域的像素值取平均值，作为该像素的新值高斯滤波详细展开就是，基于二维高斯函数构建权重矩阵，生成高斯核，对图像中的每个像素，用高斯核与其邻域的像素进行加权平均，中心像素权重最大，周围像素权重随着距离增大而减小，从而实现平滑、去除噪声。最近做了一个基于cv2展

传统机器学习与深度学习的相似点传统机器学学习的三步骤 数据预处理、特征提取、选择分类器深度学习的三步骤 数据预处理、设计模型、 训练二者的核心区别在于：传统依赖人工 面对简单任务会比较有效深度学习的特征提取依靠机器自动提取深度学习的优缺点：优点：学习能力强、覆盖范围广、数据量越大表现越好、有很多框架可用 TensorFlow Pytorch 可移植性好缺点：目前需要大量算力耗费成本高、对于硬件要求

/判断hash表中a[i]是否存在 如果存在 把它的值加1 如果不存在 则在hash表中添加 a[i] 并把值设为1。if(cnt.containsKey(c) && cnt.get(c) >= left){//说明指向的字符存在于哈希表内部当中 这里用到的就是索引位置。if(cnt.size() >= m){ //cnt中不同的元素 大于等于m个 满足要求时。//获得要扔出去的元素。