1、从kaggle上下载相关数据：地址整个数据集包括3个部分：训练集文件夹、label 的csv文件、测试集文件夹数据下载下来后，读取相关信息看一下import pandas as pddf = pd.read_csv('/Users/manmi/Desktop/dog_breed/labels.csv')print(df.info())print(df.head())训练集一共10221条数据，

最近Machine Learning 有个assignment，关于Deep Reforcement Learning.要用openAI gym retro模拟游戏环境，一开始用jupyter 去 import ROM，很容易就成功了。 后来想换colab。。。就一直一直一直python3 -m retro.import /path/to/your/ROMs/directory/不成功，每次都是.

MNIST 手写数字识别

《OpenCV 轻松入门 面向Python》 学习笔记Sobel 算子1. Sobel 理论基础1.1 计算水平方向偏导数的近似值1.2 计算垂直方向偏导数的近似值2. Sobel 算子及函数使用参数 ddepth， 输出图像深度方向 dx, dy图像梯度计算的是图像变化的速度。对于图像边缘的部分，其灰度值变化较大，梯度值也较大。相反，图像中比较平滑的部分，其灰度值较小，梯度值也较小。严格来讲，图

cv2.getGaussianKernel 函数只能生成一维高斯核, shape为（n, 1）可以通过 kernel_x * kernel_y.T 生成二维高斯核下面通过例子，生成二维高斯核，包括通过 opencv的cv2.getGaussianKernel 函数，我们自己手撸的高斯核函数代码，最后检测，我们自己的代码得出的结果是否等于cv2.getGaussianKernel 函数生成的结果im

原论文因为默认只处理图像，而我们在做图像翻转的时候，需要连 ground truth box 的坐标一并翻转。所以我们需要重写那一套的操作。（mac系统下，只要按住 command 键，再点击，就可以查看源码，在源码上修修改改就可以）

上面的式子，用在图像里，可以看作是 上、下、左、右点的求和，减去中心点的4倍。所以，对图像做拉普拉斯变换，可以看作是 用原图像 与下面的模板做卷积运算，下面的这个模版（mask 或叫做 filter）也就是拉普拉斯算子了。因为在求一阶偏导函数的时候，我们是通过 x+1 的形式来近似求 x点 的偏导的，直观上来讲，有点偏右了，所以在求二阶导函数的时候，我们让。以上的拉普拉斯变换公式，应用在连续的函数

cv2.flip()

CV_8U, CV_16U, CV_16S, CV_32F、CV_64

cv2.getGaussianKernel 函数只能生成一维高斯核, shape为（n, 1）可以通过 kernel_x * kernel_y.T 生成二维高斯核下面通过例子，生成二维高斯核，包括通过 opencv的cv2.getGaussianKernel 函数，我们自己手撸的高斯核函数代码，最后检测，我们自己的代码得出的结果是否等于cv2.getGaussianKernel 函数生成的结果im