训练代码以下是训练代码，直接复制到每一个代码框，按照顺序运行就可以了。# 下载提交数据的工具!wget -nv -O kesci_submit https://cdn.kesci.com/submit_tool/v1/kesci_submit&&chmod +x kesc

目录目录前言模型函数零初始化随机初始化He初始化总结参考资料前言良好的初始化权重有以下的好处：加快梯度下降的收敛速度增加梯度下降收敛到较低训练（和泛化）错误的几率所以一个良好的初始化也是非常重要的，这里尝试三种初始化化方式：零初始化，将权重参数初始化为零。随机初始化，使用随机的方式，初始化权重参数。He初始化，这个公式的初始化方式。...

为了方便，写一个类完成所有的识别流程，开始编写人脸识别和人脸注册工具类，使用`insightface.app.FaceAnalysis()`可以获取模型对象，这里包含了三个模型，首先是人脸检测模型，然后是人脸特征提取模型，和最后的性别年龄识别模型。使用`model.prepare()`可以配置`ctx_id`指定使用哪一块GPU，如果是负数则是使用CPU执行预测，`det_thresh`配置的是人

目录目录标量向量矩阵和张量Python代码实现转置Python代码实现矩阵的运算一 矩阵的加法Python代码实现二 矩阵的乘法Python代码实现单位矩阵和逆矩阵Python代码实现线性相关和生成子空间范数参考资料标量、向量、矩阵和张量标量（scalar）：一个标量就是一个单独的数，它不同与线性代数中研究其他大部分

前言PaddlePaddle，又名飞桨，前生是百度公司与 2013 年自主研发的深度学习框架，在 2016 年 9 月的百度世界大会上，百度首席科学家吴恩达首次宣布开源 PaddlePaddle 深度学习框架，也是我国首款深度学习开源框架。笔者是2017年开始接触PaddlePaddle的，那是由于开源时间较短，所以能接触到相关资料相当有限，为了更多开发者能够熟悉使用 PaddlePaddle 这

目录目录前言数据集介绍下载车牌重命名图像标注数据集安装LabelImg使用LabelImg生成图像列表训练模型预训练模型处理开始训练评估模型预测数据获取预测数据获取预测结果显示预测结果项目代码参考资料前言在阅读这一篇文章之前，要先阅读上一篇文章使用VOC数据集的实现目标检测，因为大部分的程序都是使用上一篇文章所使用...

目录目录前言一维梯度检查导入依赖包正向传播反向传播开始检查多维梯度检查向前传播反向传播开始检查参考资料前言反向传播计算梯度∂J∂θ∂J∂θ\frac{\partial J}{\partial \theta}， θθ\theta表示模型的参数。 JJJ是使用正向传播和损失函数来计算的。计算公式如下：∂J∂θ=limε→0J(θ+ε)−J...

目录目录前言模型函数零初始化随机初始化He初始化总结参考资料前言良好的初始化权重有以下的好处：加快梯度下降的收敛速度增加梯度下降收敛到较低训练（和泛化）错误的几率所以一个良好的初始化也是非常重要的，这里尝试三种初始化化方式：零初始化，将权重参数初始化为零。随机初始化，使用随机的方式，初始化权重参数。He初始化，这个公式的初始化方式。...

在语音识别中，模型输出的结果只是单纯的文本结果，并没有根据语法添加标点符号，本教程就是针对这种情况，在语音识别文本中根据语法情况加入标点符号，使得语音识别系统能够输出在标点符号的最终结果。

前言本教程是教程是介绍如何使用Tensorflow实现的MTCNN和MobileFaceNet实现的人脸识别，并不介绍如何训练模型。关于如何训练MTCNN和MobileFaceNet，请阅读这两篇教程 MTCNN-Tensorflow 和 MobileFaceNet_TF ，下面就来介绍如何实现这两个模型实现三种人脸识别，使用路径进行人脸注册和人脸识别，使用摄像头实现人脸注册和人脸识别，通过HTT