五种卷积神经网络解决猫狗分类问题(零)：总概要五种卷积神经网络解决猫狗分类问题(一)：V1 简单线性网络1. 介绍使用keras搭建简单线性网络。再猫狗数据集上训练，最终得到99%的训练精度和75%验证集精度，显然我们是想要验证集精度，但是75%不尽人意，不过我们也先来看看该方法。2. 网络结构网络通过卷积层、最大池化层和密集层搭建，网络结构如下：3. 数据集数据集是kaggle上的数据集，配合使

安装Git工具官方网站在这里，下载安装即可你需要在github上创建一个repositories，比如我要上传的是名叫demo的项目文件夹，那么我需要在GitHub上创建一个名为demo的repositories，创建好即可，不需要添加文件。在本地新建一个空文件夹，进入空文件夹，右键打开git bash，将github上的demo项目git clone下来，此时我们本地有了一个demo的文件夹，其

如果我们得到了tflite文件，如何在python中使用？这里可以在tensorflow库的帮助下或者tflite_runtime库的帮助下使用。

对于目标检测任务的学习，coco数据集是绕不开的，如果你是在ubuntu或其他linux系统学习还好，但如果是在windows系统下学习，早晚会遇到令人头大的pycocotools安装问题，本文就在windows下如何有效安装pycocotools的问题，记录解决办法。...

docker的介绍网上有很多，对于深度学习的认来讲，docker的好处就是直接把环境分享给他人，他人不需要再配置环境了。比如我有一个目标检测的项目，我想分享给朋友，那么他首先需要在自己的电脑上配置好显卡驱动、CUDA、CuDNN，在拿到我的项目后，还需要安装各种依赖库，最后代码还不一定跑起来。如果我是用了docker环境进行项目配置，我只需要将环境打包好后分享给朋友。他只需要安装好显卡驱动就行，什

CNN在提取特征时，通过随机丢弃推动模型去学习更多不同地特征（类似不把鸡蛋放同一个篮子里），这样在脸部转动或不同类别间，能够找到更多更有区分度地特征，帮助更好分类。CNN提取的多种特征，需要更好的联系起来才能完成分类，本文借鉴Transformer的强大全局注意力能力，探索CNN提取的不同局部特征间的关系，从而实现更好的分类。注意：无论是CNN探索更多局部特征，还是Transformer中探索更多

模型可视化是通过直观方式查看我们模型的结构。通常我们使用pytorch定义的网络模型都是代码堆叠，实现的和我们想象的是否一致呢，除了细致推敲代码外，直接通过图的方式展示出来更加直观。在这里介绍HiddenLayer和netron进行模型可视化，HiddenLayer是可以直接对pt模型进行可视化的，而netron无法直接可视化pt模型，所以我们通过将pt转为onnx模型，再通过netron进行可视

0. 颜色模式RGB 模式(百万种颜色)CMYK 模式(四种印刷色)索引模式(256 种颜色）灰度模式(256 级灰度）位图模式(两种颜色）0.1灰度模式也就是灰度图(黑白照片)，每个像素只有明暗变化，用0~255共256个亮度级来表示，用8个bit来表示，所以每个像素信息用8bit储存.0.2 位图模式(二值图像)即只有纯黑和纯白两种亮度，没有渐变的亮度级，通常用0表示纯黑，1表示纯白，所以每个