lightGBM微软出品的集成学习算法优点：对xgboost进行了优化非常快的训练速度非常低的内存消耗非常高的准确率并发和支持GPU加速能直接处理缺失值能处理庞大体量的数据环境安装：conda install lightgbmfit其他参数重要属性最优的迭代次数时进行预测：num_iteration参数重要模型参数subsamplelearning_rateboosting_type：‘gbdt’

卷积神经网络CNN由纽约大学的Yann Lecun于1998年提出，其本质是一个多层感知机，成功的原因在于其所采用的局部连接和权值共享的方式：一方面减少了权值的数量使得网络易于优化另一方面降低了模型的复杂度，也就是减小了过拟合的风险该优点在网络的输入是图像时表现的更为明显，使得图像可以直接作为网络的输入，避免了传统识别算法中复杂的特征提取和数据重建的过程，在二维图像的处理过程中有很大的优势。如网络

jetson nano 和树莓派一样作为嵌入式设备提供了GPIO接口，其位置如下图红色框选部分。其中部分引脚功能已标注丝印具体功能如下表所示：这是微雪提供的引脚功能表，其中：BCM是丝印内容Name是引脚名称，也代表了引脚功能，当然引脚的功能复用是单片机的基本功能BOARD是引脚标号这个东西在后面的编程里边会用到，但是在这个表我认为是有错的，19的右边应该是20号引脚，20号引脚的位置则应该是22

VNC是可跨平台的远程桌面连接软件

ESP-12F可以使用arduino IDE快速开发。

AlexNet：2012年ILSVRC比赛冠军，远超第二名的CNN，分类准确率由传统的70%+提升到80%+。比LeNet更深，用多层小卷积叠加来替换单个的大卷积。该网络的亮点在于：（1）首次利用GPU进行网络加速训练。（2）使用了ReLU激活函数，而不是传统的sigmoid激活函数以及Tanh激活函数。（3）使用了LRN局部响应归一化。（4）在全连接层的前两层中使用了Dropout随机失活神经元

说明：文章内容属转载，0x的部分是代码，英文部分是EXIF规范名称，最后是数据类型。包括了数据计算说明以及某些项的数值含义，例如EXIF中色彩空间为short类型，其值是数字，代表含义为：1、黑白；2、RGB；6、YcbCr。正文：JPEG格式和标志JPEG文件都是以十六进制 '0xFFD8’开始，以’0xFFD9’结束。在JPEG数据中有像’0xFF**'这样的数据，这些被称为“标志”，它表示J

Windows照片图片便捷查看分类软件——照片分类猫的安装包下载，及使用说明，版本信息及意见反馈。

AlexNet：2012年ILSVRC比赛冠军，远超第二名的CNN，分类准确率由传统的70%+提升到80%+。比LeNet更深，用多层小卷积叠加来替换单个的大卷积。该网络的亮点在于：（1）首次利用GPU进行网络加速训练。（2）使用了ReLU激活函数，而不是传统的sigmoid激活函数以及Tanh激活函数。（3）使用了LRN局部响应归一化。（4）在全连接层的前两层中使用了Dropout随机失活神经元

随机森林：是bagging装袋法的代表。弱学习器只可以是决策树简介：随机森林是一种有监督学习算法，是以决策树为基学习器的集成学习算法。随机森林非常简单，易于实现，计算开销也很小，在分类和回归上表现出非常惊人的性能，因此，随机森林被誉为“代表集成学习技术水平的方法”。随机森林的随机性体现在两个芳年1.数据集的随机选择从原始数据集中采取《有放回的抽样bagging》，构造子数据集，子数据集的数据量是和