利用pytorch的nn工具箱，构建一个神经网络，用于手写图片识别。

本博客介绍了机器学习可解释性的定义、性质及方法分类。

利用pytorch的nn工具箱，构建一个神经网络，用于手写图片识别。

图像存储与格式转换图像类型图像类型之间的转换gray2ind:将灰度图像或二值图像转换为索引图像ind2gray：将索引图像转换为灰度图像rgb2gray：将RGB图像转换为灰度图像rgb2ind：将RGB图像转换为索引图像ind2rgb函数：将索引图像转换为RGB图像im2bw：通过阈值方法将图像转换为二值图像grayslice:通过多级阈值化方法将灰度图像转换为索引图像数字图像的读写和显示im

图像空域增强图像空域增强图像直接灰度变换线性变换截取式线性变换分段式线性变换图像反转非线性变换图像直方图均衡数字图像均衡化算法参考文献图像空域增强图像直接灰度变换图像直接灰度变换是将原图像的灰度经过一个变换函数转换为一个新的灰度，即g(x,y)=T[f(x,y)]g(x,y)=T[f(x,y)]g(x,y)=T[f(x,y)]。根据变换函数的形式，直接灰度变换又可分为线性变换和非线性变换。线性变换

本文针对二维张量的gather操作进行介绍，对索引如何使用和输入元素如何抽取进行理解。

Tensor是pytorch中最常用的数据类型，类似于Numpy中的ndarray，这篇文章将会对Tensor的创建、修改和索引的常用操作进行了整理，由于时间问题，索引操作的缺少更为详细的解释，后面会拿出单独一篇文章来说明。

本博客介绍了机器学习可解释性的定义、性质及方法分类。

SVM支持向量机支持向量机理论概述二分类支持向量机多分类支持向量机支持向量机理论概述核函数用于将支持向量机的点集合映射到更高维的空间，这样就可以将现有空间中的数据点实现用超平面的划分。常用的核函数如下：线性核函数：K(x,xi)=xTxiK(x,x_i)=x^Tx_iK(x,xi​)=xTxi​;多项式核函数：K(x,xi)=(γxTxi+r)pK(x,x_i)=({\gamma}x^Tx_i+r

利用pytorch的nn工具箱，构建一个神经网络，用于手写图片识别。