LeNet模型是在1998年提出的一种图像分类模型，应用于支票或邮件编码上的手写数字的识别，也被认为是最早的卷积神经网络(CNN)，为后续CNN的发展奠定了基础，作者LeCun Y也被誉为卷积神经网络之父。

Tensorboard是Tensorflow官方提供的实用可视化工具，可以将模型训练过程中的各种数据保存到本地，然后在web端可视化展现这些信息，直观便捷的方便我们进行优化调试。

LeNet模型是在1998年提出的一种图像分类模型，应用于支票或邮件编码上的手写数字的识别，也被认为是最早的卷积神经网络(CNN)，为后续CNN的发展奠定了基础，作者LeCun Y也被誉为卷积神经网络之父。

AlexNet是第一个深度卷积网络模型，赢得了2012年ImageNet图像分类竞赛的冠军，自98年的LeNet后再次将深度学习研究引热，创造性的提出了很多方法且影响至今，如使用GPU进行训练，使用ReLU 作为非线性激活函数，使用 Dropout 防止过拟合，使用数据增强来提高模型准确率等。

主成分分析（Principle Component Analysis，PCA）是常用的降维方法，用较少的互不相关的新变量来反映原变量所表示的大部分信息，有效解决维度灾难问题。

神经网络中的隐含层可以分为卷积层、池化层、激活层、线性层等，本文将介绍相关原理及Pytorch中代码应用。

神经网络中的隐含层可以分为卷积层、池化层、激活层、线性层等，本文将介绍相关原理及Pytorch中代码应用。

神经网络中的隐含层可以分为卷积层、池化层、激活层、线性层等，本文将介绍相关原理及Pytorch中代码应用。

AlexNet是第一个深度卷积网络模型，赢得了2012年ImageNet图像分类竞赛的冠军，自98年的LeNet后再次将深度学习研究引热，创造性的提出了很多方法且影响至今，如使用GPU进行训练，使用ReLU 作为非线性激活函数，使用 Dropout 防止过拟合，使用数据增强来提高模型准确率等。

RMQ（Range Minimum/Maximum Query）问题，是求区间最大值或最小值，即范围最值问题，有一种更简便的ST算法，预处理复杂度是O(nlogn)，查询O(1)。文章目录RMQ问题ST算法模板例题P2251 质量检测P1816 忠诚P2216 [HAOI2007]理想的正方形