2021年2月

环境

  1. 安装 tensorflow，使用命令 pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow --user
  2. 如果使用虚拟机，不适用 gpu ，可以安装 cpu 版本的 tensorflow-cpu，使用命令pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-cpu --user
  3. 安装 pandas，使用命令 pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple pandas --user

符号约定

  1. 标量元素使用普通小写字母标识，如 x, y.
  2. 向量使用粗体小写字符标识，如 x, y.
  3. 向量默认使用竖着的列向量方向。向量的长度称为向量的维度 dimension.
  4. 维度这个词在不同上下文有不同含义。向量和轴的维度被用来标识向量和轴的长度，即向量和轴的元素数量。然后张量的维度用来表示张量具有的轴数。在这个意义上，张量的某个轴的维度就是这个轴的长度。
  5. 矩阵使用粗体大写字母表示，如 X, Y.
  6. 矩阵中使用位置进行索引，第 i 行，第 j 列 的元素可以表示为 [A]ij 或者 aij ，只有在索引容易造成误解的时候，才需要在行和列的索引中使用 , 隔开，如 a2,3j.
  7. 交换矩阵的行和列，成为矩阵转置 transpose, 使用符号 AT 来表示 A 的转置矩阵。 如果矩阵和转置矩阵相等，那么就称为对称矩阵。
  8. 张量的符号和矩阵类似，但是使用特殊字体的大写字母表示。
  9. 矩阵按元素乘法，称为 Hadamard 积，使用一个圆圈中间一个点来表示。 10.可以使用求和的方式对矩阵降维，可以对轴 0 降维，意思是每行求和。也可以对轴 1 降维，意思是每列求和。
  10. 点积 xTy 表示相同位置元素乘积后求和。 常用的情况，一组向量是值，一组向量是权重，点积就是这些值的加权和，如果权重非负和为1，那么也称为加权平均。
  11. 矩阵向量积，有要求：数据类型一致，都是浮点或者整数；矩阵的列数量要和向量的长度一致。计算方法如下：矩阵的每一行和向量相乘后求和，因为是按照元素相乘，所以要求列和向量长度一致，才能按元素相乘；然后把求和后的数据作为元素，放到结果的向量中，最后的结果就是一个向量，长度是原来的行数。
  12. 矩阵矩阵乘法类似矩阵向量积，要求是第一个矩阵的列数和第二个矩阵的行数一致。计算时，第二个矩阵每一列作为一个向量和第一个矩阵做矩阵向量积，结果还是一个列向量；第二个矩阵有几列就做几次运算，最后的结果按列拼起来，称为一个矩阵。 第一个矩阵时 m x n 矩阵，第二个矩阵时 n x k 矩阵，最后的结果就是 m x k 矩阵。
  13. 范数

参考

Python安装tensorflow
https://blog.csdn.net/weixin_41103006/article/details/112425367
Tensorflow libcudart.so.11.0错误的解决
https://zhuanlan.zhihu.com/p/439772235

参考：

https://ai.googleblog.com/2018/04/mobilenetv2-next-generation-of-on.html https://heartbeat.fritz.ai/real-time-object-detection-using-ssd-mobilenet-v2-on-video-streams-3bfc1577399c https://blog.csdn.net/JR_Chan/article/details/94584212 https://www.jianshu.com/p/c1d8f1c76de7 https://blog.csdn.net/weixin_42673396/article/details/106068361 https://www.jianshu.com/p/102770a16477 https://sanallen.gitbooks.io/workdoc/content/shen-du-xue-xi-wang-luo-mo-xing/shen-du-xue-xi-wang-luo-mo-xing-zhi-mobilenet-v2-ssdlite.html https://www.zybuluo.com/hanbingtao/note/433855 https://www.cnblogs.com/White-xzx/p/9503203.html https://blog.csdn.net/minstyrain/article/details/81118420 https://docs.openvinotoolkit.org/2021.1/omz_models_public_ssdlite_mobilenet_v2_ssdlite_mobilenet_v2.html https://www.zhihu.com/question/265709710 https://zhuanlan.zhihu.com/p/58699347

目标检测|SSD原理与实现 https://zhuanlan.zhihu.com/p/33544892

轻量级神经网络“巡礼”（二）—— MobileNet，从V1到V3 https://zhuanlan.zhihu.com/p/70703846

深度学习基础 - 对象检测（CNN+滑窗+YOLO） https://blog.csdn.net/Snoopy_Yuan/article/details/80021504

深度学习和OpenCV的对象检测(MobileNet SSD图像识别) https://zhuanlan.zhihu.com/p/161055338