https://blog.csdn.net/zhagzheguo/article/details/81781320

解决办法下载darwin.iso和darwin.iso.isg，将其放入vmware的安装目录，然后管理员运行unclocker.exe，vmware即出现mac选项。darwin资源链接：https://pan.baidu.com/s/1zS8K2H1sh2c_JK6g-wgQ2A提取码：2gr7

Global average pooling 之前如何分类cnn中通常在最后分类时，最后用全连接层接softmax激活函数进行分类。最后一层卷积通过卷积得到全连接的输入最后一层的卷积得到的feature map为(channels_in, h,w)，通过一个卷积核(channels,h,w)，得到一个神经元即(1,1,1)。若全连接层的输入要求有1024个神经元，则需要1024个卷积核。存在的问题

训练：样本有结果划分方式训练集+测试集训练集+验证集+测试集训练集训练模型验证集训练的同时，进行验证，可根据验证集上的结果，调节超参数【其实也就对验证集进行了学习】测试集考察模型的泛化能力。推理：样本无结果，去预测结果...

将多个个体学习器按一定策略结合成一个学习器（集成）四种思想：主流bagging（代表：随机森林 RF）：多个模型的结果进行投票亦或求取均值作为最终的输出boosting（提升。代表：梯度提升树 GB）不太主流stacking（堆叠）blending (混合)...

Global average pooling 之前如何分类cnn中通常在最后分类时，最后用全连接层接softmax激活函数进行分类。最后一层卷积通过卷积得到全连接的输入最后一层的卷积得到的feature map为(channels_in, h,w)，通过一个卷积核(channels,h,w)，得到一个神经元即(1,1,1)。若全连接层的输入要求有1024个神经元，则需要1024个卷积核。存在的问题

训练：样本有结果划分方式训练集+测试集训练集+验证集+测试集训练集训练模型验证集训练的同时，进行验证，可根据验证集上的结果，调节超参数【其实也就对验证集进行了学习】测试集考察模型的泛化能力。推理：样本无结果，去预测结果...

Global average pooling 之前如何分类cnn中通常在最后分类时，最后用全连接层接softmax激活函数进行分类。最后一层卷积通过卷积得到全连接的输入最后一层的卷积得到的feature map为(channels_in, h,w)，通过一个卷积核(channels,h,w)，得到一个神经元即(1,1,1)。若全连接层的输入要求有1024个神经元，则需要1024个卷积核。存在的问题

cursor：鼠标悬停在html元素上时，鼠标的形状cursor:default;//默认光标（通常是箭头）cursor:pointer;//手型cursor:not-allowed;//红圈加斜杠，表禁止

解决办法下载darwin.iso和darwin.iso.isg，将其放入vmware的安装目录，然后管理员运行unclocker.exe，vmware即出现mac选项。darwin资源链接：https://pan.baidu.com/s/1zS8K2H1sh2c_JK6g-wgQ2A提取码：2gr7