一、matplotlib错误：RuntimeWarning: Glyph xxxxx missing from current font. font.set_text(s, 0.0, flags=flags)这是因为python字体警告，不能显示中文解决方法：matplotlib.rcParams[‘font.sans-serif’] = [‘KaiTi’]https://blog.csdn.ne

语义分割空洞卷积GCANethttps://github.com/cddlyf/GCANet去雾方法总结去雾数据集总结

tf.concattf.concat([tensor1, tensor2, tensor3,...], axis)tf.keras.layers.Concatenate、tf.keras.layers.concatenatekeras.layer.Concatenate()和keras.layer.concatenate()的区别。前者是创建一个Concatenate层，像函数一样立即使用它来合并

https://blog.csdn.net/moonlightpeng/article/details/115677407

label smoothing: 像L1、L2和dropout一样，是机器学习领域的一种正则化方法，通常用于分类问题，目的是防止模型在训练时过于自信地预测标签，改善泛化能力差的问题。防止过拟合，提升模型的泛化能力。原来的真实值是是目标就为1不是目标就为0经过平滑后的标签在是目标时接近1而不是目标时接近0，这样会让模型不那么自信，提高模型的泛化能力（正则化手段）标签平滑（Label Smoothin

https://zhuanlan.zhihu.com/p/32230623sgd与动量无关sgdm引入了一阶动量adam引入了一阶动量与二阶动量https://blog.csdn.net/program_developer/article/details/80867468权重衰减作用于L2正则化，使参数变小，减少过拟合。为什么参数变了可以防止过拟合，因为参数越小模型复杂度越低，对数据的拟合效果更好

参考链接：https://cloud.tencent.com/developer/article/1672558?from=154251、普通使用2、在jupyter notebook中的使用from tqdm.noteboook import tqdm3、和pandas搭配使用tqdm对pandas中的apply()过程提供了特殊的支持，因为pandas中的apply()本质上就是串行循环运算，

参考链接：[https://mp.weixin.qq.com/s/yz8l54VusPWmF6dWkYL1VA]https://zhuanlan.zhihu.com/p/87441580np.ndarray与PIL.Image的转换image = PIL.Image.fromarray(ndarray.astype(uint8))ndarray = np.asarray(PIL.Image.ope

RCNN、Fast RCNN和Faster RCNN都是two stage网络，第一步是生成proposal,第二步是分类和回归。1、RCNN的region proposal是使用SS算法生成2k个region proposal，然后进行warp或者crop成统一尺寸。2、Fast RCNN同样是通过SS算法生成候选框，但是通过ROI Pooling层将ROI（region of interest

作用：排除量纲的作用，加速模型收敛；提高模型精度，同时模型对小数据也更敏感。方法：标准化、最大值最小值归一化