深度学习-基础
基础环境配置Anaconda
1.Anaconda prompt 用来安装包（框架）
www.image-net.org
机器学习的基本路线
三维数组，其中每一个数据代表一个像素点
2.训练一个分类器
超参数和交叉验证
训练数据分为 train data （train）和 test data（test），通常用一个比例来分9:1
假设train分成5个fold 1,2,3,4,5，分别用[1,2,3,4:5]、[5,2,3,4:1]、[1,5,3,4:2]、[1,2,5,4:3]、[1,2,3,5:4]进行交叉验证。
得分函数（分类结果）
f(x,W=每个类别的得分（有n个类别，则为n*1）
W：parameters 权重参数（图像类别*像素点个数）
f(x,W=Wx+b
损失函数（分类结果的好坏）
如果一个图像识别出来的结果是错的，我们需要告诉模型训练错了。
类似定义：sum(max(0,其他结果-正确结果+容忍度
Softmax分类器
softmax的输出是概率，就是把分类结果转化为概率