前言  在深度学习中有很多参数是我们在训练模型之前自己设定的，我们把这些参数就称为——超参数。其中主要超参数包括了:学习率、batch_size、梯度下降法循环的数量、隐藏层数目、隐藏层单元数目、激活函数的选择等。1.超参数2.学习率3.batch_size1.超参数1.1 超参数的选择如何选择最优的超参数对模型的性能起着非常重要的作用，下面提供了一些常用的选择超参数的方法:  1.猜测和检查：根

来源:https://developer.nvidia.com/cuda-gpus![Quadro显卡计算能力

前言  在深度学习中有很多参数是我们在训练模型之前自己设定的，我们把这些参数就称为——超参数。其中主要超参数包括了:学习率、batch_size、梯度下降法循环的数量、隐藏层数目、隐藏层单元数目、激活函数的选择等。1.超参数2.学习率3.batch_size1.超参数1.1 超参数的选择如何选择最优的超参数对模型的性能起着非常重要的作用，下面提供了一些常用的选择超参数的方法:  1.猜测和检查：根

前言  不管是在深度学习还是在机器学习中训练的模型存在着过拟合和欠拟合的现象，而且这种现象或多或少可能都是难以避免的。在介绍拟合和欠拟合之前我们先来了解一下其他几个概念。“误差”(偏差)：训练得到的模型实际预测输出和样本的真实输出之间的差异叫做误差。方差：描述的是模型实际的预测输出的变化范围，离散程度，也就是离其期望值的距离。方差越大，数据的分布越分散;“泛化误差”：模型在训练集上得到的误差叫做"

前言  在深度学习中有很多参数是我们在训练模型之前自己设定的，我们把这些参数就称为——超参数。其中主要超参数包括了:学习率、batch_size、梯度下降法循环的数量、隐藏层数目、隐藏层单元数目、激活函数的选择等。1.超参数2.学习率3.batch_size1.超参数1.1 超参数的选择如何选择最优的超参数对模型的性能起着非常重要的作用，下面提供了一些常用的选择超参数的方法:  1.猜测和检查：根

1. 背景了解1.Docker概述  ①docker的思想来源于集装箱，刚刚诞生的时候，没有引起行业的注意。  ②2013年将docker开源，越来越多的人发现了docker的优点。Dcoker每个月都更新一个版本，  ③2014年4月9日，Docker 1.0发布  ④Docker获得原因，十分的轻巧。在容器技术出来之前，我们都是使用虚拟机技术。虚拟机：安装虚拟机软件，通过该软件可以虚拟出来一台

前言  在计算机视觉中，大家经常会提起图像的语义信息以及图像的高层特征和底层特征。那么到底什么是图像的语义呢，图像的高层特征和底层特征又包含哪些信息的呢？今天我们就来说一说。1.图像的语义信息:  图像的语义分为视觉层、对象层和概念层，视觉层即通常所理解的底层，即颜色、纹理和形状等等，这些特征都被称为底层特征语义；对象层即中间层，通常包含了属性特征等，就是某一对象在某一时刻的状态；概念层是高层，是