第9讲多分类问题源代码B站 刘二大人，传送门PyTorch深度学习实践——多分类问题视频中截图说明： 1、softmax的输入不需要再做非线性变换，也就是说softmax之前不再需要激活函数(relu)。softmax两个作用，如果在进行softmax前的input有负数，通过指数变换，得到正数。所有类的概率求和为1。2、y的标签编码方式是one-hot。我对one-hot的理解是只有一位是1，其

线程：线程是操作系统能够进行运算调度的最小单位，它被包含在进程之中，进程包含一个或者多个线程。进程可以理解为完成一件事的完整解决方案，而线程可以理解为这个解决方案中的的一个步骤，可能这个解决方案就这只有一个步骤，也可能这个解决方案有多个步骤。多线程：多线程是实现并发（并行）的手段，并发（并行）即多个线程同时执行，一般而言，多线程就是把执行一件事情的完整步骤拆分为多个子步骤，然后使得这多个步骤同时执

在OpenCV里面利用findContours()函数和drawContours()函数实现这一功能。参数一： image，输入图像、八位单通道的，背景为黑色的二值图像。（一般是经过Canny、拉普拉斯等边缘检测算子处理过的二值图像）参数二：contours，输出轮廓图像。是一个向量，向量的每个元素都是一个轮廓。因此，这个向量的每个元素仍是一个向量。即：vector<vector<Po

加载数据集数据集包括DataSet以及DataLoader两部分，是用于加载的数据集包括数据和索引两部分，而DataLoader是用于引入数据集的Mini-BatchMini-Batch均衡于算法的时间复杂度（加载全部数据训练更快）以及算法的准确度（加载单个数据训练更准）在外层循环中，每一层是一个epoch（训练周期），在内层循环中，每一次是一个Mini-Batch（Batch的迭代）python

①利用pytorch进行深度学习准备数据集（Prepare dataset）设计用于计算最终结果的模型（Design model）构造损失函数及优化器（Construct loss and optimizer）设计循环周期（Training cycle）——前馈、反馈、更新②准备数据import torch#数据作为矩阵参与Tensor计算x_data = torch.Tensor([1.0],[