VGG-16，输入层214*214*3，经过两层相同的卷积，卷积filter为3*3，stride为1，filter数为64，然后经过一层pooling。接着按照相同的方式，让宽和高越来越小，而通道数逐倍增加，直到512。最后用两层相同全连接加一个softmax。VGG-16的性能与VGG-19差不多，所以基本用VGG-16

1     word2vec结构LDA计算复杂，不太适应大数据量计算。word2vec将词投射到向量上，使得词之间的远近程度易于计算，很容易表示同义词、近义词。1.1 skip-gram以1个词为输入，通过D维投射层，以及分类器(softmax或log-linear)，让该词分到前后若干个词之间。前后词个数越多，模型的准确性越高，但计算量也越大。具有相同上下文的两个词，认为这两个词相似

alexnet、vgg19_bn、ResNet-110、PreResNet-110、WRN-28-10 (drop 0.3)、ResNeXt-29, 8x64、ResNeXt-29, 16x64、DenseNet-BC (L=100, k=12)、DenseNet-BC (L=190, k=40)等模型性能对比：CIFARTop1 error rate on the CIFAR-10/10...

数据预处理包括，数据清洗，数据集成，数据规约，数据变换- - 数据清理：可以用来清楚数据中的噪声，纠正不一致。 - - 数据集成：将数据由多个数据源合并成一个一致的数据存储，如数据仓库。 - - 数据归约：可以通过如聚集、删除冗余特征或聚类来降低数据的规模。 - - 数据变换：(例如，规范化)可以用来把数据压缩到较小的区间，如0.0到1.0。这些技术不是排斥的，可以一起使用

双向RNN结构图

paper：Wasserstein Distance Guided Representation Learning for Domain AdaptationShen J, Qu Y, Zhang W, et al. Wasserstein Distance Guided Representation Learning for Domain Adaptation[J]. AAAI-2017....

概述近几年，低秩矩阵恢复（LRMR）广泛用于图像处理用途图像恢复，比如去噪、去模糊等。一幅清晰的自然图像其数据矩阵往往是低秩或者近似低秩的，但存在随机幅值任意大但是分布稀疏的误差破坏了原有数据的低秩性。低秩矩阵恢复是将退化图像看做一组低维数据加上噪声形成的，因此退化前的数据就可以通过低秩矩阵来逼近。设B为模糊图像，根据低秩分解有B=I+N，其中I为清晰图像，是低秩的。N为噪声具有稀疏性。...

用grep 找出文件a中不在文件b中出现的内容：grep -vf b a > 1.txt

detach的方法，将variable参数从网络中隔离开，不参与参数更新。如下：# y=A(x), z=B(y) 求B中参数的梯度，不求A中参数的梯度y = A(x)z = B(y.detach())z.backward()...

主函数名为:HanLP.parseDependency("以色列20日对加沙地带实施轰炸，造成3名巴勒斯坦武装人员死亡")运行结果如下:image.png函数返回值数据结构和背景知识:CONLL标注格式包含10列，分别为：———————————————————————————------------------------------ID FORM LEMMA CPOSTAG POSTAG FEA