MinGW-w64编译OpenCV-3.4.5：（一）MinGW-w64编译OpenCV-3.4.5 - 简书 (jianshu.com)编译后生成的文件介绍：bin:可执行程序目录。etc:一些配置文件目录。include:OpenCV头文件目录。x64:64位系统对应的OpenCV库。x64子目录1mingw​​​​​​​mingw子目录1 bin:用于存放可执行程序和.dll动态链接库文件。

代码下载：链接：https://pan.baidu.com/s/17pQtRoiqDiavmPrMX_gFfQ 提取码：50r2论文下载：链接：https://pan.baidu.com/s/1ovgn988hVPVTAEN7dXHHnA提取码：c1bg代码配置相关注：基础配置可参考本人博客：(2条消息) [目标检测]——YOLOv5模型使用记录_Star星屹程序设计的博客-CSDN博客https

写在前面：两种误差训练误差：模型在训练数据上得误差泛化误差：模型在新数据上的误差如何计算训练误差和泛化误差：验证数据集：一个用来评估模型好坏的数据集验证数据集一定不能和训练数据集混淆在一起测试数据集：只用一次的数据集K-则交叉验证：注意：数据集不大的情况下，通常采用K则交叉验证过拟合和欠拟合：数据简单的时候选择复杂的模型，就会出现过拟合；数据复杂的时候选择简单的模型会出现欠拟合模型容量的影响：模型

人工智能（应用数学）需要大量的数学知识需要学习哪些数学知识：微积分——主要需要微分线性代数概率论——参数估计最优化一、微积分在机器学习中，微积分主要用到微分部分，作用是求函数的极值，就是很多机器学习库中的求解器（solver）所实现的功能，在机器学习中用的微积分的知识点：导数和偏导数（多元函数）的定义与计算方法梯度向量的定义（向量求导求出来的叫梯度）极值定理，可导函数在极值点处导数或梯度为0雅克比

之前不会的一个知识点：(2条消息) python----引用其他py文件中的函数_qq_41978536的博客-CSDN博客_python引用其他py文件的函数一、感知机1、单层感知机给定输入x，权重w，和偏移b，感知机输出。相比线性回归加入了激活函数。感知机是一个二分类的模型可以解决线性分类问题，但是感知机不能拟合XOR问题，因为他只能产生线性分割面2、多层感知机多层感知机引入了隐藏层。多层感知

写在前面：两种误差训练误差：模型在训练数据上得误差泛化误差：模型在新数据上的误差如何计算训练误差和泛化误差：验证数据集：一个用来评估模型好坏的数据集验证数据集一定不能和训练数据集混淆在一起测试数据集：只用一次的数据集K-则交叉验证：注意：数据集不大的情况下，通常采用K则交叉验证过拟合和欠拟合：数据简单的时候选择复杂的模型，就会出现过拟合；数据复杂的时候选择简单的模型会出现欠拟合模型容量的影响：模型

符号解释一、前向传播前向传播：从输入层到输出层，用于求得初始状态下，实际输出和期望输出之间的总误差Δimport torchimport numpy as npfrom matplotlib import pyplot as plt#sigmoid函数实现def sigmoid(x):return 1 / (1 + np.exp(-x))#恒等函数def identity_function(x):

1、人工智能和机器学习概述（1）人工智能军备竞赛：百度（自动驾驶）、阿里云（城市大脑）、腾讯（医疗影像）、科大讯飞（智能语音）（2）人工智能人才缺口（3）人工智能高等教育（4）什么是人工智能？是机器像人一样进行感知、认知、决策、执行的人工程序或系统。（5）人工智能的起源约翰·麦卡锡：LISP符号处理语言摩尔明斯基塞弗里奇索罗门诺夫：归纳推理机，影响贝叶斯推理过程（6）人工智能发展标志性事件1956

正则化通过为模型损失函数添加惩罚项使得学出的模型参数值较小，是应对过拟合常用手段丢弃法（Dropout）是一种在学习的过程中随机删除神经元的方法。训练时随机选出隐藏层的神经元，然后将其删除。被删除的神经元不再进行信号的传递。有效抑制过拟合的一种正则化手段通常作用再隐藏全连接层的输出上训练时，每传递一次信号，就会随机选择要删除的神经元（丢弃法将一些输出项随机置为0来控制模型的复杂度）测试时，虽然会传

之前不会的一个知识点：(2条消息) python----引用其他py文件中的函数_qq_41978536的博客-CSDN博客_python引用其他py文件的函数一、感知机1、单层感知机给定输入x，权重w，和偏移b，感知机输出。相比线性回归加入了激活函数。感知机是一个二分类的模型可以解决线性分类问题，但是感知机不能拟合XOR问题，因为他只能产生线性分割面2、多层感知机多层感知机引入了隐藏层。多层感知