https://mp.weixin.qq.com/s/HH815zCvvlSM_nWN5ZfPZQ

1、数据集太小，数据样本不足时，深度学习相对其它机器学习算法，没有明显优势。2、数据集没有局部相关特性，目前深度学习表现比较好的领域主要是图像／语音／自然语言处理等领域，这些领域的一个共性是局部相关性。图像中像素组成物体，语音信号中音位组合成单词，文本数据中单词组合成句子，这些特征元素的组合一旦被打乱，表示的含义同时也被改变。对于没有这样的局部相关性的数据集，不适于使用深度学习算法进行处理。举个例

世界、图像、像素、相机坐标系的简图相机内参：只与相机内部参数有关。内参矩阵：通过得到一个内参矩阵，获得内部的坐标转换关系。相机外参：只与相机外部参数有关。通常是相机的位姿。参考链接：http://www.colorspace.com.cn/kb/2020/04/30/%e7%9b%b8%e6%9c%ba%e6%a0%87%e5%ae%9a1-%e5%86%85%e5%a4%96%e5%8f%82%

转载

添加链接描述

1）是否找到合适的损失函数？（不同问题适合不同的损失函数）（理解不同损失函数的适用场景）2）batch size是否合适？batch size太大 -> loss很快平稳，batch size太小 -> loss会震荡（理解mini-batch）3）是否选择了合适的激活函数？（各个激活函数的来源和差异） 4）学习率，学习率小收敛慢，学习率大loss震荡（怎么选取合适的学习率） 5）是否

标准的10-crop测试，此处小记一下。对于一个分类网络，在测试阶段，使用single crop/multiple crop得到的结果是不一样的，相当于将测试图像做数据增强。shicaiyang(星空下的巫师)说[1],训练的时候当然随机剪裁，但测试的时候有技巧：单纯将测试图像resize到某个尺度（例如256xN），选择其中center crop（即图像正中间区域，比如224x224），作为CN

顶级会议有CVPR、ICCV、和ECCV，ICLR顶级期刊有IJCV和TPAMI作为一名技术人员关注前沿技术发展是必备的事情。而顶会与顶刊则是最好的方式。

这几日学习OpenCV，刚碰到这个表达式时，对于0xFF的作用不太理解，难道下面两个语句还有区别?（Esc的ASCII码为27，即判断是否按下esc键）if cv2.waitkey(30)==27if cv2.waitkey(30)&0xff==27疑惑首先&运算即“and”运算。其次0xFF是16进制数，对应的二进制数为1111 1111。然后cv2.waitkey（delay）

打算使用虚拟环境下使用tensorflow-gpu版本pip和conda都可安装，速度太慢可换国内源（在终端输入）基本推荐pip安装：首选：pip install tensorflow-gpu==1.14.0 -i https://pypi.tuna.tsinghua.edu.cn/simple备选：pip install --upgrade --force-reinstall tensorflo