qq_22146161的博客

我们之前使用 jetson orin nx 做过了BP网络的练习，本节我们继续学习相关模型，这次学习的是CNN模型，我们经过前两次学习，其实已经非常熟悉整个流程，当然我们本次还是会一步一步来，让我们拿起地图，一点点来。卷积神经网络（Convolutional Neural Network，CNN）卷积神经网络（CNN）是一种深度学习模型，专为处理具有网格拓扑结构的数据而设计，如图像和语音数据。

有了前车之鉴，咱们今天来做在win下的mnist手写体数字分类，知识有时候也是一层层堆叠来的，我们之前已经有了很多学习AI的相关知识了，那么在进行今天的步骤就比较方便，但是你操作的过程中，发现本质的东西其实没有太大的改变。那么我们需要以前一篇为基础，相当与在win上复刻之前jetson orin NX 的操作。【学习AI-相关路程-mnist手写数字分类-python-硬件：jetson orin NX-自我学习AI-实验步骤-全连接神经网络（BPnetwork）-操作流程（2） 】

一点点积累吧。

前一篇，我们铺垫了很多基础是知识，这一篇希望尽量少说的概念，直接说操作方式，先操练起来，然后后面找补概念。相关铺垫知识可以看，前一篇。【学习AI-相关路程-mnist手写数字分类-python-硬件：jetson orin NX-自我学习AI-基础知识铺垫-遇到问题（1） 】其实在整个叙述过程中，自己还是有很多细节没有提到，但限于篇幅，认为把必要的部分写了下，希望这成为你学习AI路途中的一块砖石。

（1）说明之前在训练模型并使用模型检测的时候，发现一直用的是cpu，没有使用gpu，尝试了一些办法，都没有成功，前几天终于调试过了吧，因此记录下来。如下为背景，是使用模型训练和识别的过程。【学习AI-相关路程-工具使用-自我学习-jetson&模型训练-图片识别-使用模型检测图片-基础样例 （5）】（2）使用GPU和CPU。

我们在上一篇，学习了收集图片，以及使用代码对图片进行一定批量出来，那么本章，我们终于可以训练模型了，但对于识别屏幕开关机这样的任务，我自己最后其实没有用那些匹配转换的图片，而是直接用原图片，直接进行训练的。但个人认为 ，实际应用中，处理图片应该是不能省略的。【学习AI-相关路程-工具使用-自我学习-jetson&收集数据-图片采集-训练前准备-基础样例 （4）】如此一来就做了一个简单demo，学习了一下AI，体验了过程，为后续学习打下基础。

有时候，我们想要做某是个事情的时候，其实不知道具体步骤的，常常感到无从下手，这种无力感，确实有些头疼，然后去查资料，除非有人能说得特别明白，要不然，其实也算是半摸索形式，边学边做的方式，还有时，常常质疑自己学到资料对不对，方法步骤对不对。一般有两种情况，一种是方法步骤比较明确，大家已经趟过无数遍了。而另一种则是他人还未开发的道路，需要人们探索了。大部分情况，是前人已经探索了，你只是需要依照这个路途走就行了。就像咱们本章，使用一些数据，进行图片更改，为训练模型准备图片。

之前在Linux下也就是Ubuntu 20.04下，安装过cuda环境。【学习AI-相关路程-工具使用-自我学习-NVIDIA-cuda-工具安装 （1）】同时也在jetson orin NX上安装了，如下文章【学习AI-相关路程-工具使用-自我学习-jetson&cuda&pytorch-开发工具尝试-基础样例 （3）】

在学习AI的过程中，总是碰到一些概念的东西，最高有个大致且相对清晰的了解，否则说到的时候，可能就不知道是什么，同时上网查了相关定义。“正负样本”通常用于机器学习和数据挖掘领域，尤其是在二分类任务（即有两个可能的输出类别）的上下文中。简单来说，正负样本指的是两种不同类别的数据实例。总结来说，一个图片里有你要识别的目标物品，就是正样本，反之没有的话，就是负样本。模型（Model）: 模型是一个数学表示，它根据输入数据进行计算，并输出结果。