pytorch學習： 構建網絡模型的幾種方法
寫在前面： 在本章中，首先，我們簡要地分析了半監督主動學習方法存在的一些不足。然後，針對這些不足，我們提出了一個噪聲魯棒的半監督主動學習框架，並分別對框架的各個核心部分展開詳細地介紹。最後，通過第二章介紹的五組圖像數據集驗證了所提出框架的
主動學習系列博文： 【Active Learning - 00】主動學習重要資源總結、分享（提供源碼的論文、一些AL相關的研究者）：https://blog.csdn.net/Houchaoqun_XMU/article/details/
ADVERSARIAL SAMPLING FOR ACTIVE LEARNING 【Active Learning - 00】主動學習重要資源總結、分享（提供源碼的論文、一些AL相關的研究者）：https://blog.csdn.
Rectified Linear Units 摘自http://www.douban.com/note/348196265/ sigmoid 和 tanh 作爲神經網絡的激活函數已經很熟悉，今天看了一下 ReLU 這種線性激活
2020.5.20筆記整理 卷積 卷積核就是一個二維矩陣，通過在原始圖片上滑動同時與原圖對應位置元素相乘再相加的操作，求得輸出圖片，因此顯然卷積操作保留了原圖的空間信息，卷積和的參數個數與輸入圖片大小無關（只用全連接的缺點） 卷
網上看了一堆都是圖片轉lmdb格式，然後測試總的準確率，我想測試每張圖片的top1，top2以及對應置信度是多少，摸索了一下午+一晚上終於搞定，期間遇到不少坑！！！同時感謝實驗室博士師兄一塊幫我找bug 說明：數據集是上海BOT大
原本的打算是參加上海Bot大賽，在比賽中學習一下相關知識，就是想入門而已。開學半個月一直沒找到狀態，只是上上課。後來在師兄的幫助下，開始逐漸着手比賽的事情，雖然最終沒有趕上在比賽截至前提交一版測試。但學了不少，不虧！ 大致記錄一下
