发表于 | 阅读次数: 
1
images[hash] = images.get(hash, []) + [img]

发表于 | 阅读次数: 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import os.path as osp
import sys


def add_path(path):
    if path not in sys.path:
        sys.path.insert(0, path)


this_dir = osp.dirname(__file__)

lib_path = osp.join(this_dir, '..', 'lib')
add_path(lib_path)

发表于 | 阅读次数:

键值对

  1. “:”和键值之间必须有至少一个空格。
  2. 使用两个空格作为一级缩进是 YAML 的约定，不能使用制表符（Tab）来代替，务必注意这一点。

列表

1
2
3
4
5
-  value1 

-  value2

-  value3

或者

1
- [value1, value2, value3]

注意第二种写法前面的“-”必不可少，并且要跟随至少一个空格。

双引号和单引号, 推荐使用单引号

使用双引号括起来的字符串中的 \n 符号会被解析为换行符，而单引号中的 \n 符号则仍然视为两个普通字符。

发表于 | 阅读次数: 
1
2
import scipy.io as matio
data = matio.loadmat("a.mat")

发表于 | 阅读次数: 
1
2
torch.manual_seed(1917)
torch.cuda.manual_seed(1997)

发表于 | 阅读次数:

包括左右端点。。。

发表于 | 阅读次数:

如果人们选择图像中的连续范围作为池化区域，并且只是池化相同(重复)的隐藏单元产生的特征，那么，这些池化单元就具有平移不变性 (translation invariant)。

这就意味着即使图像经历了一个小的平移之后，依然会产生相同的 (池化的) 特征。

在很多任务中 (例如物体检测、声音识别)，我们都更希望得到具有平移不变性的特征，因为即使图像经过了平移，样例(图像)的标记仍然保持不变。

例如，如果你处理一个MNIST数据集的数字，把它向左侧或右侧平移，那么不论最终的位置在哪里，你都会期望你的分类器仍然能够精确地将其分类为相同的数字。

https://blog.csdn.net/JNingWei/article/details/78834173