《深度学习之PyTorch实战计算机视觉》
1.图片分类
是指听过使用深度学习方法让计算机能够对输入图片的信息进行分析、处理并判定图片所属的类别。
2.图像的目标识别和语义分割
是指通过使用已经训练好的模型识别出输入图片的特征，然后才能将这些图片归属到具体的类别中。
3.自动驾驶
4.图像风格迁徙
提取的这些特征迁徙到其他图片中进行融合
卷积神经网络
结构
由 卷积层、池化层、全连接层 构成。
卷积层
主要作用是对输入的数据进行特征提取，而完成该功能的是卷积层中的卷积核。我们可以将卷积核看作一个指定窗口大小的扫描器通过一次又一次地扫描输入的数据，来提取数据中的特征。如果我们输入的是图像数据，那么在通过卷积核的处理后就可以识别出图像中的重要特征了。
池化层
被看作卷积神经网络中的一种提取输入数据的核心特征的方式，不仅实现了对原始数据的压缩，还大量减少了参与模型计算的参数。最长被用到的池化层方法是平均池化层和最大池化层，池化层处理的输入数据在一般情况下是经过卷积操作之后生成的特征图。
池化层也需要顶一个类似卷积层中卷积核的滑动窗口，用来提取特征图中的重要特征，本身并没有参数。
全连接层
主要作用是将输入图像在经过卷积和池化操作后提取的特征进行压缩，并且根据压缩的特征完成模型的分类功能。
深度学习的python基础
特性
易读性，解释性，可移植性，可扩展性，交互性，面向对象，初学者的语言
Anaconda安装
1.官网下载安装
2.环境变量设置 下载路径\Scripts 及 下载路径
3.C:\Users\ASUS.condarc文件修改为（如果没有这个文件则创建一个conda config --add channels r）
4.conda --version 或 conda info 查看
5.下载python3.5 conda create -n test python=3.5
6.activate test
此命令用于激活并进入我们指定名称的环境下。
conda deactivate用于退出当前环境并进入root环境下。
conda remove -n test -all用于删除指定名称的环境
conda search numpy用于搜索指定名称的python包
conda install numpy用于指定名称的包安装到当前环境下
conda install anaconda用于在当前环境下安装所有Anaconda软件平台已经集成的包
conda list用于查看当前环境下已经安装的包
activate test进入环境
conda install jupyter安装所需关联包
jupyter notebook验证Jupyter Notebook是否能够正常使用
（1）files用于显示当前主目录下所有文件的信息
其中，folders用于选取当前目录下的所有子文件；all notebooks用于选取当前目录下的所有notebook文件；running用于选取当前目录下所有正在运行的notebook文件；files用于选取当前目录下所有文件夹类型的文件。
（2）notebook
python基本语法
1.打印输出print
默认自动换行。若想在一行中对多个独立内容进行打印输出，则需要在代码中使用逗号将这些内容分开。
2.单行注释#
多行注释“”“
“”“
3.代码缩进
python通过对每行代码使用不同的缩进来控制语法的判断逻辑，让程序知道有相同缩进的代码构成的是同一个逻辑代码块。
4.多行语句分割
5.python变量