1.Cannot find source file:SRC_LIST

1、安装nvidia驱动首先去官网上查看适合你GPU的驱动。例如，本人的GPU适合的驱动如图：执行如下语句，安装sudo add-apt-repository ppa:graphics-drivers/ppasudo apt-get updatesudo apt-get install nvidia-367sudo apt-get install mesa-common-devsu

0.概述决策树（decision tree）是一种基本的分类与回归方法。主要优点：模型具有可读性，分类速度快。决策树学习通常包括3个步骤：特征选择、决策树的生成和决策树的修剪。1.决策树模型与学习节点：根节点、子节点；内部节点（internal node）和叶节点（leaf node）。决策树学习本质上是从训练数据集中归纳出一组分类规则。决策树学习仍然需要将代价函数最小化。为了防止有过拟合现

0.概述---**线性回归**不仅可以做**回归**问题的处理，也可以通过与**阈值**的比较转化为**分类**的处理，但是其**假设函数**的输出范围没有限制，这样很大的输出被分类为1，较少的数也被分为1，这样就很奇怪。而**逻辑回归**的**假设函数**的输出范围是0~1。当数据集中含有误差点时，使用**线性回归**相应的误差也会很大。

0.概述[1]优点：缺点：支持向量机（support vector machines,SVM）是一种二类分类模型。SVM的基本模型是定义在特征空间的间隔最大的线性分类器，间隔最大使它有别于感知器。SVM学习方法由简至繁分为三种模型：线性可分支持向量机、线性支持向量机及非线性支持向量机。分别对应三种处理方法：硬间隔最大化、软间隔最大化、核技巧。支持向量机的学习是在特征空间进行的。1.线性可分支持向

0.概述决策树（decision tree）是一种基本的分类与回归方法。主要优点：模型具有可读性，分类速度快。决策树学习通常包括3个步骤：特征选择、决策树的生成和决策树的修剪。1.决策树模型与学习节点：根节点、子节点；内部节点（internal node）和叶节点（leaf node）。决策树学习本质上是从训练数据集中归纳出一组分类规则。决策树学习仍然需要将代价函数最小化。为了防止有过拟合现

1.什么是OpenCV:OpenCV本质上是一个开源计算机视觉库。2.OpenCV是什么:OpenCV其实是用C/C++语言写的计算机视觉算法3.如何学习OpenCV:1)多编程; 2)系统学习《数字图像处理》、《计算机视觉》和《模式识别》。4.参考资料：OpenCV入门教程　作者：于仕琪

```pythonfrom __future__ import absolute_importfrom __future__ import divisionfrom __future__ import print_function# Importsimport numpy as npimport tensorflow as tfnode1 = tf.constant(3.0, dtype=tf.f

1.功能：　粗略的描绘图像的边缘2.算法：　将当前像素与邻接的下部和右部的像素进行比较，如果相似，则将当前像素设置为黑色，否则设置为白色。用到的算法为欧氏距离算法。3.代码：#!/usr/bin/env python#-*- coding: utf-8 -*-import cv2import numpy as npfn="test.jpg"def get_EuclideanDistance(x

#!/usr/bin/pythonimport numpy as np'''define'''class Network:def __init__(self,sizes):self.num_layers=len(sizes)self.sizes=sizesself.biases=[np.random.randn(y,1) for y