属于位运算符，作用是对二进制数进行移位操作<< 左移：末尾补 0，原数乘 2比如十进制数 10，在末位补 0 等于 100，相当于原数乘 10，所以 x << 1 就是将二进制的 x 左移一位，比如 4 的二进制为 100，末尾补 0 等于 1000 即十进制数的 8.>> 右移：高位补 0，原数除以 2比如十进制数的 8 二进制表示为 1000，x &...

有时候跑代码会报错：通常是环境变量没有设置好，比如有两个版本的 caffe 时，要用哪一个版本就需要将另一个版本的先注释掉，然后 souce 一下环境变量。

Error：redefinition of class xxx& previous definition of class表示重复定义了类,一般说来是因为在你进行该类定义的头文件中没有使用#ifndef,#define和#endif来进行保护.如果你确定你在该头文件中使用了宏进行保护,那么检查一下#endif忘写了么还是#ifndef和#define后的宏名字完全一样么?总之,就是你...

我提交的文件包括（文件1至6是必须提交的，7至8是我自己额外提交的，我也建议提交，态度端正！处生成，如果没有任何冲突，直接点击 “I have nothing to declare” 即可，会自动下载一个 word 文档，否则进入 “Start my declaration”，按个人情况选择填写，后续需要在投稿系统内上传。，需要在提交系统中以可编辑文件提交，文件名使用“Highlights”，写

论文写作工具VSCode与LaTex搭配使用工具。

梯度：运算对象是标量，计算结果是向量计算梯度时会在每个位置都计算出一个向量，这个向量的方向是当前位置周围的标量值最小点指向标量值最大点（这个周围其实是极其接近的，相当于取极限），而向量的大小就是上面最小标量与最大标量的差距。想象给山求梯度，山上每个点都有一个向量，每个向量都指向最陡的方向，向量大小代表这个最陡的方向有多陡。散度：运算对象是向量，计算结果是标量散度考察向量场中任何一个点及其周...

【1】Batch size参考：深度学习中Batch size对训练效果的影响一般来说，在合理的范围之内，越大的 batch size 使下降方向越准确，震荡越小，这就好比决定往哪里走时参考了很多样本的意见，减少了小样本引入的随机性，但是越大的 batch size 也意味着训练时占用的显存更多。【batch的选取类型】Full Batch Learning：全数据集学习，通常用于数据集比较小的情

转载文章：https://zhuanlan.zhihu.com/p/52608023caffe 框架中的策略包括 fixed，step，exp，inv，multistep，poly，sigmoid。1. fixedfixed，即固定学习率，这是最简单的一种配置，只需要一个参数。如上图，在整个的优化过程中学习率不变，这是非常少使用的策略，因为随着向全局最优点逼近，学习率应该越来越小才能避免跳过最优点

mU-Net：《Modified U-Net (mU-Net) with Incorporation of Object-Dependent High Level Features for Improved Liver and Liver-Tumor Segmentationin CT Images》Link：https://arxiv.org/abs/1911.00140Motivatio...

概览目前的问题：深度学习应用于计算机视觉问题能力有限在分割任务中，为每个像素分配标签时需要考虑图像边缘、外观一致性和空间一致性，这样才能获得更准确的分割结果。像素级的标签任务需要一个好的特征表示，而获得特征表示最关键的是要能够用端到端的学习方法去代替手工特征。FCN 和 DeepLab 都将 CNN 应用到分割任务中来，但是这样做存在几个问题：首先，传统的 CNN 具有较大的感受野，导...