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...

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

报错内容：raise AttributeError("'{}' object has no attribute '{}'".format(AttributeError: 'DataParallel' object has no attribute 'XXX'报错信息的意思是 DataParallel object 没有 attribute/method XXX。

用Meta-Dataset做训练，由于数据采样方式的问题导致numpyarray的维度不一致，但不影响训练。

论文：《Efficient Inference in Fully Connected CRFs with Gaussian Edge Potentials》，NIPS 20111. 概览全连接条件随机场 Fully Connected CRF 也叫做 Dense CRF2.参考：FCN(3)——DenseCRF全卷积网络和全连接条件随机场【文献学习】具有高斯边缘势能的全连接CRF的高...

参考： https://stackoverflow.com/questions/45095820/tensorboard-command-not-found解决：首先保证当前环境下安装了 Tensorflow：pip install tensorflow如果已经安装，但仍然找不到 tensorboard 就继续往下看。查看 Tensorflow 的安装位置：pip show tens...