卷积神经网络是一种多层的、前馈型网络。从结构上，可以分为特征提取阶段和分类识别阶段。在特征提取阶段，通常由多个特征层堆叠而成，每个特征层又由卷积层和池化层组成。处于网络前端的特征层，用来捕捉图像局部细节信息，而后面的特征层则用来捕捉图像中更加抽象的信息。在分类识别阶段，通常是一个简单的分类器，例如全连接网络或支持向量机，它接收最后一个特征层的输出，完成分类和识别。卷积层也叫做特征提取层，使用卷积核

卷积神经网络是一种多层、前馈型神经网络。从功能上来说，可以分为两个阶段，特征提取阶段和分类识别阶段。特征提取阶段能够自动提取输入数据中的特征作为分类的依据，它由多个特征层堆叠而成，每个特征层又由卷积层和池化层组成。处在前面的 特征层捕获图像中局部细节的信息，而后面的特征层能够捕获到图像中更加高层、抽象的信息。分类识别阶段通常是一个简单的分类器，例如全连接网络或者支持向量机。它更加提取出的特征完成分

卷积神经网络是最具代表性的深度学习算法之一，目前已经被大范围的应用与计算机视觉等领域，并且取得了众多突破性的进展，在学习卷积神经网络之前，我们需要学习图像卷积运算。图像卷积运算是一种图像处理算法。通过它可以实现很多不同的效果。例如，模糊图像中的细节。提取图像中的边缘和轮廓。甚至把其变成浮雕效果。那如何实现图像的卷积运算呢？数字图像在计算机中保存为一个矩阵，矩阵中每一个像素点的值就是图像中对应像素点

一、C++环境设置二、C++基础三、QT 移植到 I.MX6ULL 开发板上运行方式一：使用默认出厂系统1.1 安装出厂系统 Qt 交叉编译器使用的 ubuntu 版本为 Ubuntu 18.04.6 LTS参考文档：【正点原子】I.MX6U 出厂系统Qt交叉编译环境搭建V1.6.pdf方式二：不使用默认出厂系统，需自己移植根文件系统三、Linux 下安装 Qt复制链接下载地址到 Ubuntu 虚

虚拟机版本：在电脑和虚拟机之间使用的切换：Ctrl + Alt打开一个终端Ctrl + Alt + T关闭一个终端 Shift + Ctrl + W虚拟机提示说，关闭全部终端使用快捷键Shift + Ctrl + Q，但是经过尝试，结果仍然只能关闭一个终端。虚拟控制台 (Virtual Console)在 GNU/Linux 操作系统中，按下 Ctrl + Alt + F1,F2…F6 等组合键可

一、移植 OpenCV 到 I.MX6ULL 开发板上运行方式一：使用默认出厂系统（自带 OpenCV 3.1 版本）使用的开发板是 阿尔法Linux 开发板 【底板+核心板（EMMC）+ 7寸RGB屏（1024 * 600）】使用的 ubuntu 版本为 Ubuntu 18.04.6 LTS出厂系统自带的 OpenCV 版本为：3.1 版本参考文档 1：【正点原子】I.MX6U 出厂系统 Ope

对于文件的读写操作，C 和 C++ 都各有一套方式。而在 Qt 中也有一套，即使用 QFile 对文件进行读和写操作。首先创建一个新的工程，以下操作为了迎合 嵌入式Linux 开发，决定在 ubuntu 中进行，并使用 rsync 进行远程调试。首先，窗体中搭建一个场景，并且将窗体固定为开发板屏幕的大小为1024 * 600 。搭建步骤如下：首先，将控件 LineEdit 和 PushButton

显示所有行号：:set number取消显示所有行号：:set nonumber

在前面的课程中，我们知道为了实现非线性的任务，需要使用多层神经网络，而多层神经网络的损失函数不再是凸函数，而是一种比较复杂的不规则函数，这类函数求导数非常困难，在求解极值问题时很难通过计算得到解析解，因此，通常采用梯度下降法得到数值解。梯度下降法有着三种不同的形式，分别是批量梯度下降、随机梯度下降和小批量梯度下降。在下面，我们就来详细的介绍下这三种方法。为了便于理解，我们以...