喜欢吃豆的博客

当使用conda install和conda create命令会出现下面的问题：Collecting package metadata (current_repodata.json): failed。此时再运行conda命令就不会出现Collecting package metadata (current_repodata.json): failed的错误了。如果有重装过anaconda，在C盘的用户目录下，会有一个名叫.condarc的文件会自动生成。2.删除.condarc文件。

本章首先介绍了图像分类任务的发展历程与评价指标。早期的图像分类方法主要通过手工提取特征对整个图像进行描述，然后使用分类器判别图像类别，因此图像分类的核心在于对特征进行分类，而如何提取图像的特征至关重要。传统的图像分类方法对于一些简单且具有明显特征的图像分类场景是有效的，但由于实际情况非常复杂，在面对复杂场景时，传统的分类方法就无法达到满意的分类效果，这是因为传统分类方法使用的手工提取特征方法无法全面准确的描述图像特征，并且手工提取的特征无法应对，多视角，多角度，不同光照遮挡同物，多形态等问题。

手写数字分类数据集来源MNIST数据集，该数据集可以公开免费获取。该数据集中的训练集样本数量为60000个，测试集样本数量为10000个。每个样本均是由28×28像素组成的矩阵，每个像素点的值是标量，取值范围在0至255之间，可以认为该数据集的颜色通道数为1。数据分为图片和标签，图片是28*28的像素矩阵，标签为0~9共10个数字。

计算机视觉是深度学习领域最热门的研究领域之一，已经被广泛应用在了各个领域，那么它是如何发展至今的呢?本章主要阐述了计算视觉的发展历程，并对计算机视觉领域的主要任务进行概述，挑选了一些典型的视觉应用案例让读者深入了解计算机视觉在智慧城市、农业、能源电力、农业和自动驾驶等不同领域所发挥的作用。然后还介绍了常用的计算机视觉处理工具，比如opencv等，以方便读者使用。最后对计算机视觉当下与未来的发展进行了展望。了解计算机视觉的发展历程。熟悉计算机视觉领域的主要任务和应用场景。认识计算机视觉常用的处理工具。