参考：tensorflow中的batch_norm以及tf.control_dependencies和tf.GraphKeys.UPDATE_OPS的探究 1. Batch Normalization 对卷积层来说，批量归一化发生在卷积计算之后、应用激活函数之前。训练阶段：如果卷积计算 ...

1. 池化层 在卷积网络中， 通常会在卷积层之间增加池化（Pooling） 层， 以降低特征图的参数量， 提升计算速度， 增加感受野， 是一种降采样操作。池化是一种较强的先验， 可以使模型更关注全局特征而非局部出现的位置， 这种降维的过程可以保留一些重要的特征信息， 提升容错能力 ...

相关包导入 数据集预处理思路 四种天气数据集的所有图像放在同一个文件夹下，并以天气类型和图像序号为文件名 四种天气分别是：cloudy、rain、shine、sunrise ImageFold ...

于深度学习的各个地方，由于在实习过程中需要修改网络，修改的网络在训练过程中无法收敛，就添加了BN层进去 ...

一、全连接层 　　tensorflow中用tf.keras.layers.Dense()这个类作为全连接的隐藏层，下面是参数介绍： 　　tf.keras.layers.Dense() inputs = 64, # 输入该网络层的数据 units = 10, # 输出的维度大小 ...

全连接层加dropout层防止模型过拟合，提升模型泛化能力 卷积网络中参数较少，加入dropout作用甚微。然而，较低层的中加入dropout是仍然有帮助，因为它为较高的全连接层提供了噪声输入，从而防止它们过拟合。 一般对于参数较多的模型，效果更好 做法 1、其实Dropout很容易实现 ...

进程切换 •进程切换指从正在运行的进程中收回处理器，让待运行进程来占有处理器运行 •进程切换实质上就是被中断运行进程与待运行进程的上下文切换，处理过程是： 　　•保存被中断进程的上下文 　　•转向进程调度 　　•恢复待运行进程的上下文 模式切换 •进程切换必须在操作系统内核模式 ...

内核态和用户态的切换： 用户态到内核态的转换：1、进行系统调用，2、异步中断，3、外部硬件中断 检查特权级别的变化：当异常发生在用户态，而异常处理函数则必须运行在内核态，则此时必须调用内核态的堆栈（系统调用必然是发生特权级的变化），步骤是，将进程的TSS段中的esp0和ss0赋值给esp，ss ...