LSTM（Long Short-Term Memory，长短期记忆网络）是一种循环神经网络（RNN）的改进模型，用于解决 RNN 的长序列训练中梯度消失或梯度爆炸问题。LSTM 通过引入门控机制，能够有效捕捉长期依赖信息。层级作用输入层时间序列特征（历史金牌、东道主、运动员年龄等）LSTM 层捕捉历史依赖关系，提取时间序列模式全连接层输出每个国家奖牌预测值输出金牌数 / 总奖牌数（多输出）

VGG，全称是 Visual Geometry Group，是由牛津大学视觉几何组（这也是 VGG名称的由来啦）在2014年提出的，多用于图像分类和定位。相比于之前的 AlexNet， VGG 中使用了3个3x3卷积核来代替7x7卷积核，使用了2个3x3卷积核来代替55卷积核，总之，用的卷积核清一色是 33 的。并且 max pooling 都是2*2 的。

我用的是 kaggle 里面的数据。我是这样理解的：x 可以看作浅层网络的输出，不直接把 x 输入深层网络，而是直接加上。这样的好处是既没有增加参数量，也没有增加计算的复杂度。从数学角度：。传统的模型由于梯度反向传播（其实就是链式法则），容易出现梯度消失（Gradient Descending）的问题（一个小于1的数的n次方趋近0）。梯度没了，模型就没法更新了。而 Resnet 后面多了一项，所以

【代码】图像增强常用算子代码示例——均值滤波、中值滤波、梯度算子、拉普拉斯算子、Sobel算子、Prewitt算子、Canny算子。

把二维空间递归划分为 4 个象限（四叉树），每次细分给每个子格赋一个编码（0,1,2,3）。：适合快速地图瓦片索引，广泛用于 WebGIS（Google Maps、Bing Maps）。：将地球表面划分为规则的网格（矩形、六边形等），便于空间索引和数据分块。：搜索附近地点（LBS）、分布式数据库（Elasticsearch）。：气象格点数据、全球统计网格（如 1km × 1km 人口格网）。：以国

PyTorch是一个开源的深度学习框架，由 Facebook 的人工智能研究院（FAIR）开发和维护。它支持动态计算图（Dynamic Computational Graph），广泛应用于计算机视觉、自然语言处理、强化学习等领域。

ResNet 是由微软研究院的 He Kaiming 等人在 2015 年提出的一种深度卷积神经网络，论文题目是《Deep Residual Learning for Image Recognition》。它主要解决了随着网络加深，训练困难以及精度饱和甚至下降的问题。ResNet 在 2015 年的 ImageNet 图像分类比赛中取得了突破性成绩，并且极大推动了深度学习的发展。方面说明提出时间2

R^2 (R Squared)，也就是可决系数(coefficient of determination)，在0到1之间，常作为一个模型评价的指标，衡量的是模型中自变量对因变量方差的解释程度。

本文总结了目标检测的定义、任务以及经典算法，适合入门的友友。