这是我升级、打怪的人生之旅，欢迎大家来见证

从《第二大脑》这本书中进行借鉴，是一次实验！信息组织的目的在于更好的推进目标，而非造就“笔记学博士”，实践是知识最佳的归宿。在。

（3）根据图片上的信息，替换为最新编译生成的文件。唯一需要注意的是，编译生成的是。，编译过程中会显示编译的进度，等待编译完成，调整到emmc启动，重启开发板即可。（2）修改到这个目录，下载完后我放到了D盘中（这个文件从韦东山的百度网盘下载）起因：改设备树把系统搞崩溃了，导致开发板一直重启加载不了内核。选择百问网提供的ubuntu镜像（里面已经配置好了环境）；文件夹进行编译（可能会报错，自己尝试下，我的是这样）等待编译完成就可以了，过程挺长的。不要直接选择这个文件夹下面的。软件进行文件传输，比较方便。

在驱动入门实验班的课程里讲到了APP使用驱动程序的四种方式。分别是：阻塞、非阻塞、poll、异步通知。本文是在前面所描述的概念之上，对驱动程序交互流程的解读。

一、导入数据filename = 'data';[data] = xlsread(filename,'A2:B72');p = data( :,1);t = data( :,2);%保存数据到matlab的工作路径里面save p.mat;save t.mat; %赋值给输出p和输入t p=p';t=t'; 年龄(天)重量(mg)15.0021.6615.0022.7515.0022.3018.0031.25860.00246.7

1.为什么用CNN处理图像CNN做的事就是简化neural network的架构，用比较少的参数来做影像处理这件事。所以CNN比一般的DNN还要简单的。为什么可以用比较少的参数可以来做影像处理这件事情在图片处理中，大部分的pattern其实要比整张的image还要小，对一个neural来说，假设它要知道一个image里面有没有某一个pattern出现，它其实是不需要看整张image，它只要看image的一小部分。样的pattern在image里面，可能会出现在image不同的部分，但是代表的是同样

1.局部最小值和鞍点local minima:局部最小值saddle point：鞍点它们统称为critical point（临界点）。如何知道是哪个？举例这是saddle point。saddle point比local minima更加常见。2.批次（Batch）与动量(Momentum)左边没有用batch，右边是使用了batch的。左边的更新所要花的时间更长，结果更加稳定；右边花费的时间短，但是有噪声。小的batch size 有更好的表现，大的batch siz

1.深度学习的三个步骤2.神经网络神经网络中有很多不同的连接方式，因此会产生不同的网络结构。神经网络的节点，类似于人脑的神经元。我们有很多逻辑回归函数，每个逻辑回归都有自己的权重和自己的偏差，这些权重和偏差就是参数。完全连接前馈神经网络...

1.误差的来源方差：偏差：

先给出回归的实际应用例子：股票预测（stock market forecast）自动驾驶（self-driving car）推荐系统（recommendation）接下来，我们将通过宝可梦进化的例子，来学习认识回归。1.宝可梦进化的例子setp1：选择模型——线性模型b：表示偏移量xi：表示各种特征，如生命值、体重、身高…wi：表示各种特征的权重set2：找出最好的function——损失函数首先，b和w都是未知数，所以在这个函数集合中，包含了成千上万个函数，那么我们

task01-机器学习介绍1.人工智能、机器学习、深度学习关系人工是智能实现目标，而机器学习是想要实现目标的手段，而深度学习就是就是学习的其中一种方法。2.谈谈机器智能机器智能不能像生物的本能，就像李宏毅老师举的例子，河狸堵水坝，当条件为听到水流声它就会去堵水坝。那么如果用一个人为的办法来播放流水声，比如在水泥墙里，河狸就在水泥墙上面放了很多的树枝；如果你把声音的来源放到地上，河狸就会用树枝把它盖住直到听不见为止，这就是生物的本能。如果只是单纯的if嵌套，那不叫机器智能，只是按照人为的规则去运行