环境使用 Kaggle 里免费建立的 Notebook教程使用李沐老师的 动手学深度学习 网站和 视频讲解小技巧：当遇到函数看不懂的时候可以按查看函数详解。语义分割是将图片中的每个像素分类到对应的类别：还有就是李沐老师上课背景全都是白色的。实例分割不仅需要区分语义，还要区分不同的目标实例。如果图像中有两条狗，则实例分割需要区分像素属于的两条狗中的哪一条。最重要的语义分割数据集之一是 Pascal

环境使用 Kaggle 里免费建立的 Notebook教程使用李沐老师的 动手学深度学习 网站和 视频讲解小技巧：当遇到函数看不懂的时候可以按查看函数详解。FCN 论文地址：Fully Convolutional Networks for Semantic Segmentation2.1 使用在 ImageNet 数据集上预训练的 ResNet-18 模型来提取图像特征最后两层（平均池化层和线性层

72 优化算法王木头学科学简单认识Adam优化器需要计算训练集全部 nnn 个样本的损失 L=1n∑i=1nloss(yi,y^i)L=\frac{1}{n}\sum_{i=1}^nloss(y_i, \hat{y}_i)L=n1​∑i=1n​loss(yi​,y^​i​)，进行梯度下降法优化。W→W−η∇L(W)W \to W-\eta \nabla L(W)W→W−η∇L(W)η\etaη 为

输入：K 元语句（Word2Id 形式）输出：下一个词的概率分布 P1. 语料库2. 根据语料库创建词表构建词与 id 的映射：构建 id 与词的映射：输出为预测下一个词的概率分布，所以需要记录词表大小：Word2Vector 需要 Embedding 为几维：7. 定义 n-gram，用前几个词预测下一个词8. 定义神经网络隐藏层大小9. 定义模型10. 定义损失函数11. 定义优化器12. 定

数据库系统的结构从数据库应用开发人员角度，数据库系统通常采用三级模式结构，这是数据库系统内部的系统结构。从数据库最终用户角度看，数据库系统的结构分为单用户结构，多用户结构，主从式结构，分布式结构，CS，BS/数据库服务器多层结构等。概念辨析模式 Schema对数据库中数据所进行的一种结构性的描述，所观察到数据的结构信息视图 View / 数据 Data某一种表现形式下表现出来的数据库中的数据三级模

Pytorch 数据增广（Data Augmentation）0. 环境介绍环境使用 Kaggle 里免费建立的 Notebook教程使用李沐老师的 动手学深度学习 网站和 视频讲解小技巧：当遇到函数看不懂的时候可以按 Shift+Tab 查看函数详解。1. 简介图像增广在对训练图像进行一系列的随机变化之后，生成相似但不同的训练样本，从而扩大了训练集的规模。 此外，应用图像增广的原因是，随机改变训

Pytorch 循环神经网络 RNN0. 环境介绍环境使用 Kaggle 里免费建立的 Notebook教程使用李沐老师的 动手学深度学习 网站和 视频讲解小技巧：当遇到函数看不懂的时候可以按 Shift+Tab 查看函数详解。1. 循环神经网络1.1 潜变量自回归模型使用潜变量 hth_tht​ 总结过去信息。1.2 RNN更新隐藏状态：Ht=ϕ(XtWxh+Ht−1Whh+bh)\mathbf

Pytorch 目标检测和数据集0. 环境介绍环境使用 Kaggle 里免费建立的 Notebook教程使用李沐老师的 动手学深度学习 网站和 视频讲解小技巧：当遇到函数看不懂的时候可以按 Shift+Tab 查看函数详解。1. 目标检测1.1 概述在图像分类任务中，我们假设图像中只有一个主要物体对象，我们只关注如何识别其类别。然而，很多时候图像里有多个我们感兴趣的目标，我们不仅想知道它们的类别，

Pytorch 循环神经网络 RNN0. 环境介绍环境使用 Kaggle 里免费建立的 Notebook教程使用李沐老师的 动手学深度学习 网站和 视频讲解小技巧：当遇到函数看不懂的时候可以按 Shift+Tab 查看函数详解。1. 循环神经网络1.1 潜变量自回归模型使用潜变量 hth_tht​ 总结过去信息。1.2 RNN更新隐藏状态：Ht=ϕ(XtWxh+Ht−1Whh+bh)\mathbf

PyTorch 神经网络基础0. 环境介绍环境使用 Kaggle 里免费建立的 Notebook教程使用李沐老师的 动手学深度学习 网站和 视频讲解小技巧：当遇到函数看不懂的时候可以按 Shift+Tab 查看函数详解。1. 层和块1.0 概述多层感知机模型接受原始输入（特征），生成输出（预测）， 并包含一些参数（所有组成层的参数集合）。 同样，每个单独的层接收输入（由前一层提供）， 生成输出（到