在上一篇中，使用了全连接网络进行手写数字识别的分类。准确率为97%本次，将采用卷积神经网络的方法，提升准确率。目录1、什么是卷积？2、对RGB图像进行卷积3、对N个通道的图像进行卷积4、padding的引入5、步长(stride)的概念6、池化(Pooling)的概念7、卷积神经网络工作流程8、GPU的使用9、训练结果分析1、什么是卷积？与数学上卷积的概念略有不同，在数学上，卷积的含义是将一个函数

1、softmax函数的引出处理多分类问题时，一般的激活函数会产生矛盾的效果，需要满足两个条件，所有的P均大于0，所有的P相加等于1。而softmax函数可以满足这一点函数公式：真的是非常Amazing啊下面这个实例展示它是如何计算的2、损失函数的选取对于二分类问题，之前我们选取了交叉熵作为损失函数，多分类问题有了些许变化，损失函数为用程序语言来表达整个过程：3、用pytorch来书写过程注：Cr

https://blog.csdn.net/qq_32454821/article/details/89925672https://blog.csdn.net/Shmily_0/article/details/113758318

之前做了一个公式识别软件 FreeTex，但遗留了一些问题。因此，本次将软件从v0.3.0更新到v1.0.0视频演示：FreeTex更新：让公式识别更简单高效开源地址：https://github.com/zstar1003/FreeTex。

我的需求是批量裁剪某一文件夹下的所有图片，并指定裁剪宽高。1、 先使用获取输入图片的宽高。2、宽高除以2得到中心点坐标3、根据指定宽高，以中心点向四周拓展4、调用完成裁剪测试裁剪前：裁剪后：......

昨天连续参加了三场星火杯答辩在第一次答辩中我的树莓派摄像头突然失灵用vcgencmd get_camera监测supported=1 detected=0导致直接无法现场演示好在我采取了下面的方法成果化解危机首先sudo raspi-config 命令,进入到树莓派基本设置界面选择：5 Interfacing Options然后选择Camera EnableSSH EnableVNC Enable

之前有朋友向我吐槽：试了不少PDF转Word的工具，找不到一款好用的。于是，我做了 FreeP2W 这个 CLI 工具，致力于解决以上两个问题。项目开源地址：https://github.com/zstar1003/FreeP2W。

之前有朋友向我吐槽：试了不少PDF转Word的工具，找不到一款好用的。于是，我做了 FreeP2W 这个 CLI 工具，致力于解决以上两个问题。项目开源地址：https://github.com/zstar1003/FreeP2W。

关于前馈和反相传播的原理，下面这张实例非常清楚：import torchimport matplotlib.pyplot as pltx_data = [1.0,2.0,3.0]y_data = [2.0,4.0,6.0]w = torch.Tensor([1.0])w.requires_grad = True # 需要计算梯度def forward(x):return x * wdef loss

之前做了一个公式识别软件 FreeTex，但遗留了一些问题。因此，本次将软件从v0.3.0更新到v1.0.0视频演示：FreeTex更新：让公式识别更简单高效开源地址：https://github.com/zstar1003/FreeTex。