如何评估(evaluate)目标检测算法的表现(performance)？目标检测算法的评估 和 分类算法的评估 有所不同，在目标检测任务中，我们即需要 识别出正确的目标类别，又需要 定位出准确的目标位置。评估目标检测算法性能 最常用的指标 是 AP (average precision，针对单类别) 和 mAP (mean AP，针对多类别)。

当我们 应用深度学习算法，实现 大网络（网络的参数量 nn 很大），多样本（样本数量 mm 很大） 情形下的 大规模 计算处理时，通过 向量化 的方式，将 高度重复的计算组织成 并行的向量运算，对于 简化代码，加速运算 有着非常重要的作用。

什么是端到端学习？In end-to-end reinforcement learning, the end-to-end process, in other words, the entire process from sensors to motors in a robot or agent involves a single, layered or recurrent neural ne..

Epoch一个epoch指代所有的数据送入网络中完成一次前向计算及反向传播的过程在训练时，将所有数据迭代训练一次是不够的，需要反复多次才能拟合收敛，即需要多个epoch。随着epoch数量的增加，神经网络中权重更新迭代的次数增多，曲线从最开始的不拟合状态，慢慢进入优化拟合状态，最终进入过拟合。问：epoch的个数是非常重要的。那么究竟设置为多少才合适呢？恐怕没有一个确切的答案。对于不同的...

我们常说的 深度学习 ，其实就是指 神经网络 ，尤其是 大规模的神经网络。那么神经网络究竟是什么？本质上，神经网络属于一种强大有效的机器学习方法 (模型)，同样是通过数据驱动，从数据中学习。最初神经网络算法的诞生是出于 对生物神经系统建模 的目的，但随后与其分道扬镳，成为一个 独立的工程问题，并在机器学习领域取得良好的效果。

This article is a comprehensive review (全面回顾) of Data Augmentation techniques for Deep Learning, specific to images.

如何评估(evaluate)目标检测算法的表现(performance)？目标检测算法的评估 和 分类算法的评估 有所不同，在目标检测任务中，我们即需要 识别出正确的目标类别，又需要 定位出准确的目标位置。评估目标检测算法性能 最常用的指标 是 AP (average precision，针对单类别) 和 mAP (mean AP，针对多类别)。

当我们 应用深度学习算法，实现 大网络（网络的参数量 nn 很大），多样本（样本数量 mm 很大） 情形下的 大规模 计算处理时，通过 向量化 的方式，将 高度重复的计算组织成 并行的向量运算，对于 简化代码，加速运算 有着非常重要的作用。

YOLO（You Only Look Once），是yolo系列的 开山之作，也是 深度学习领域第一个one-stage detector。作为一个 one-stage 检测器，YOLO 没有生成建议框这一步骤，它 直接将图片划分为 S×S 个网格 (grid cell)，每个网格对 中心点落入其中的目标 进行检测【如果目标的中心点落入某个格子中，我们就说这个格子 “包含” 了这个目标，就由这个格

在计算实现上, TensorFlow 将图形定义转换成分布式执行的操作, 以充分利用可用的计算资源。TensorFlow 支持 CPU 和 GPU 两种计算设备。一般你不需要显式指定使用 CPU 还是 GPU, TensorFlow 能自动检测。如果检测到 GPU, TensorFlow 会优先利用找到的第一个 GPU 来执行操作。如果机器上有超过一个可用的 GPU, 除第一个外的其它 GPU..