OpenMMLab学习第一课

计算机视觉的三大任务，分类，检测（关键点检测），分割，分割又有语义分割和实例分割

机器学习基础：从数据中学习经验，以解决特定问题。分为3步，训练、验证、应用

神经网络输出介于0-1之间，且所有输出和为1，表示为一个有效的概率分布。

使用损失函数来衡量神经网络的性能，常用损失函数有交叉熵损失，训练目标就是找到参数w使得神经网络的性能最好。

训练流程：计算样本的损失，计算样本的损失梯度，根据梯度更新参数

将图片的每一个像素展成一个矩阵，输入到神经网络中，这样的神经网络参数量巨大

卷积神经网络应运而生，它是使用一个卷积核，在原图像滑动，它覆盖的感受野区域，对应位置相乘求和得到一个标量，标量填在对应的生成特征图上。卷积核的通道数与原图一致。h' = h - k + 1 + 2p

pytorch的使用（略）