2020/9/27 收获 google浏览器是个好东西，插件更是一个好东西； Google搜索可以用插件解决，但Google学术搜索要翻墙
2020/9/28 以前自己对于不懂的问题的思路是： 以一种不耻下问的思想去问会的人，而没有经过大脑思考或者自己没有进行任何相关的搜索， 总以为，只要自己去问，就一定能得到好的答案；殊不知，这和研究生的学习过程背道而驰； 研究生，是一个发现问题、提出问题到解决问题的过程；发现问题人人都可以做到，但提出问题自己几 乎没有想着去培养这种习惯；提出问题有分为两种，傻傻的去问和理性的去问；傻傻指得是没经过实地 考察调研或者说没有上Google搜索找答案，理性则截然相反。 以后的我，对于碰到的问题，要先去搜索问题是什么，怎么样去解决的大概过程，经过自己的 思考后，再去想别人提问。
2020/9/29 别在羡慕别人了，自己努力做自己就好 研究生课程的学习不能平均发力，针对自己感兴趣的课程集中发力，把论文写好达到能发表的要求。
2020/10/4 掌握 ——多层感知器的概念 多层感知器：它就是一种数学模型，包括输入层、隐含层（如果有的话）、输出层 单层感知器：相比于多层感知器，其没有隐含层；
CIFAR-10:和MINIST数据集不同的就是，CIFAR是彩色图像，32*32，噪声大，物体比例、特征不尽相同 10类别 50000Train、10000test，每一类6000 下载版本：python、matlab、二进制版本
CIFAR-100:同CIFAR-10类似，100类 每类600，500Train、100Test 100类分为超类，每个图像有“精细”label、“粗糙”label（超类） 例：超类为鱼，类别为水族馆的鱼、比目鱼、鲨鱼等
SVHM（Street View House Numbers):街景门牌号 10类别，数字1~ 9对应标签 1 ~9，“0”的标签为10 训练集：73257张 测试集：26032张 数据集格式：带有字符级边界框的原始图像
dropout：对于神经网络单元，按照一定的概率将其暂时从网络中丢弃（tips：暂时） 作用：可以有效防止过拟合，进而提高实验效果
tips：神经网络的常用训练过程是，数据集分为训练集和测试集，训练集再细分为测试集和验证集；进行神经网络的训练是，正常进行训练，得到了超参数固定的网络；我们再用训练集和验证集从头开始对网络进行重新训练，得到的最终模型才可以用于测试。
