一些实用的教程记录，均包含原理叙述（T-SNE；CAM；交叉验证；cover letter写作；利益冲突声明；迁移学习；label me标注)

1.T-SNE是一种降维的方法，它可以将高维数据降维可视化，包括3d图像数据。具体参考T-SNE降维可视化

2.CAM用来可视化深度学习网络，如何实用。具体参考使用pytorch-CAM库进行可视化

3.实用交叉验证进行实验，包括机器学习和深度学习图像文件夹的操作，具体参考交叉验证教程

4.写一封规范且高质量的Cover letter，具体参考cover letter逐句教程；如何写利益冲突声明利益冲突声明

5.如何实操实用迁移学习，这里教会你更改网络模型的最后一层，优化和微调模型，具体参考迁移学习实操

6.label me是一款图片和视频的常用标注软件，这里教会你安装和实用，具体参考label me详细实用教程