零基础实践深度学习之Python基础1 Python数据结构1.1 数字1.2 字符串1.3 列表1.4 元组1.5 字典2 Python面向对象3 Python JSON4 Python异常处理5 常见Linux命令1 Python数据结构1.1 数字Python Number 数据类型用于存储数值，包括整型、长整型、浮点型、复数Python math 模块：Python 中数学运算常用的函数基

总结下训练神经网络中最最基础的三个概念：Epoch（训练多少轮）, Batch（每次输入网络样本的个数）, Iteration（迭代次数）。1.名词解释名词定义Epoch使用训练集的全部数据，对模型进行一次完整训练，称之为“一代训练”Batch使用训练集中的一小部分样本，对模型权重进行一次反向传播的参数更新，这一小部分样本被称为“一批数据”Iteration使用一个Batch数据，对模型进行一次参

第十五章 奇异值分解摘要1 奇异值分解的定义与定理1.1 奇异值分解的定义1.2 奇异值分解的基本定理2 紧奇异值分解和截断奇异值分解2.1 紧奇异值分解2.2 截断奇异值分解摘要奇异值分解（SVD）是一种矩阵因子分解方法，是线性代数的概念，但在统计学习中被广泛使用，成为其重要工具，其中主成分分析、潜在语义分析都用到奇异值分解。任意一个m×nm\times nm×n矩阵，都可以表示为三个矩阵的乘积

论文：Underexposed Photo Enhancement Using Deep Illumination Estimation地址：https://openaccess.thecvf.com/content_CVPR_2019/html/Wang_Underexposed_Photo_Enhancement_Using_Deep_Illumination_Estimation_CVPR_

计算机视觉：目标检测的发展历程与基础概念目标检测发展历程目标检测基础概念边界框（bounding box）锚框（Anchor box）交并比对计算机而言，能够“看到”的是图像被编码之后的数字，但它很难理解高层语义概念，比如图像或者视频帧中出现的目标是人还是物体，更无法定位目标出现在图像中哪个区域。目标检测的主要目的是让计算机可以自动识别图片或者视频帧中所有目标的类别，并在该目标周围绘制边界框，标示

深度学习入门之PyTorch学习笔记：深度学习介绍绪论1 深度学习介绍1.1 人工智能2 深度学习框架3 多层全连接网络4 卷积神经网络5 循环神经网络6 生成对抗网络7 深度学习实战绪论深度学习如今已经称为科技领域最炙手可热的技术，帮助你入门深度学习。本文从机器学习与深度学习的基础理论入手，从零开始学习PyTorch以及如何使用PyTorch搭建模型。学习机器学习中的线性回归、Logistic回

通过python画出loss曲线将训练过程中的running loss保存到文件1.读取txt文件2.取出相应列的数据作为绘图的x和y3.先创建一幅图，再在这幅图上添加一个小图4.画出整体的loss曲线将训练过程中的running loss保存到文件for x in range(100):with open('loss_records.txt', 'a') as f:f.write('%d %.3

计算机视觉：基于YOLO-V3林业病虫害目标检测林业病虫害数据集和数据预处理方法介绍读取AI识虫数据集标注信息数据读取和预处理数据读取数据预处理**随机改变亮暗、对比度和颜色等****随机填充****随机裁剪****随机缩放****随机翻转****随机打乱真实框排列顺序****图像增广方法汇总**批量数据读取与加速单阶段目标检测模型YOLO-V3YOLO-V3 模型设计思想产生候选区域生成锚框生成

本文适合于对机器学习和数据挖掘有所了解，想深入研究深度学习的读者1.对概率基本概率有所了解2.具有微积分和线性代数的基本知识3.有一定的编程基础Java软件研发工程师转行之深度学习进阶：算法与应用目标目标理解深度学习常用模型的算法学会应用深度学习库（Theano、Pyleanrn2）学会使用深度学习的方法根据数据集训练模型并开发应用基于深度学习的方法对手写数字图片进行自动识别基于深度学习的方法自动

深度学习中模型参数量和计算量的理解与计算１　首先什么是计算量，什么是参数量２　如何计算：参数量，计算量３　对于换算计算量４　对于各个经典网络：５　计算量与参数量对于硬件要求6 计算量(FLOPs)和参数量(Params)第一步：安装模块第二步：计算参考资料接下来要分别概述以下内容：１　首先什么是参数量，什么是计算量２　如何计算　参数量，如何统计　计算量３　换算参数量，把他换算成我们常用的单位，比如