《深度学习笔记》

吴恩达深度学习笔记(54)-测试时的 Batch Norm

测试时的BatchNorm（BatchNormattesttime）Batch归一化将你的数据以mini-batch的形式逐一处理，但在测试时，你可能需要对每个样本逐一处理，我们来看一下怎样调整你的网络来做到这一点。回想一下，在训练时，这些就是用来执行Batch归一化的等式。在一个mini-batch中，你将mini-batch的z^((i))值求和，计算均值，所以这里你只把一个mini-batc
极客Array·2022-02-22 05:55

深度学习笔记之使用Faster-Rcnn进行目标检测 （原理篇）

不多说，直接上干货！ObjectDetection发展介绍Fasterrcnn是用来解决计算机视觉(CV)领域中ObjectDetection的问题的。经典的解决方案是使用:SS(selectivesearch)产生proposal,之后使用像SVM之类的classifier进行分类，得到所有可能的目标.使用SS的一个重要的弊端就是：特别耗时，而且使用像传统的SVM之类的浅层分类器，效果不佳。鉴于
weixin_34117522·2022-02-17 09:41

深度学习笔记4-tensorflow和pytorch

深度学习笔记4-tensorflow和pytorchTensorFlow由谷歌大脑开发，并且在谷歌公司中广泛地应用于研究和生产需求。
飞翔的雨鱼·2022-02-17 07:25

深度学习笔记（十一）—— 目标检测

预备知识:会使用pytorch搭建简单的cnn熟悉神经网络的训练过程与优化方法结合理论课的内容，了解目标检测的几种经典算法(如FasterRCNN/YOLO/SSD)的内容和原理声明：本次实验课的代码来源于github上的一个开源项目，链接为:https://github.com/sgrvinod/a-PyTorch-Tutorial-to-Object-Detection#training在该项
Nino_Lau·2022-02-17 00:26

【连载】深度学习笔记13：Tensorflow实战之手写mnist手写数字识别

上一讲笔者和大家一起学习了如何使用Tensorflow构建一个卷积神经网络模型。本节我们将继续利用Tensorflow的便捷性完成mnist手写数字数据集的识别实战。mnist数据集是YannLecun大佬基于美国国家标准技术研究所构建的一个研究深度学习的手写数字的数据集。mnist由70000张不同人手写的0-910个数字的灰度图组成。本节笔者就和大家一起研究如何利用Tensorflow搭建一个
linux那些事·2022-02-15 00:26

深度学习笔记总结

神经网络与深度学习结构(图片选自《神经网络与深度学习》一邱锡鹏)机器学习基础学习可参考：机器学习知识点总结（待更新）_GoAl的博客-CSDN博客_机器学习知识点总结常见的分类算法SVM、神经网络、随机森林、逻辑回归、KNN、贝叶斯常见的监督学习算法感知机、SVM、人工神经网络、决策树、逻辑回归一、深度学习概念1.深度学习定义深度学习定义：一般是指通过训练多层网络结构对未知数据进行分类或回归深度学
GoAI·2022-02-14 12:31

一文让你完全弄懂逻辑回归和分类问题实战《繁凡的深度学习笔记》第 3 章 分类问题与信息论基础（上）（DL笔记整理系列）

好吧，只好拆分为上下两篇发布了>__[-1,1]即缩放到-1~1x=tf.convert_to_tensor(x,dtype=tf.float32)/255.-1#转换为整形张量y=tf.convert_to_tensor(y,dtype=tf.int32)#one-hot编码y=tf.one_hot(y,depth=10)#改变视图，[b,28,28]=>[b,28*28]x=tf.reshap
繁凡さん·2022-02-11 07:29

一文绝对让你完全弄懂信息熵、相对熵、交叉熵的意义《繁凡的深度学习笔记》第 3 章 分类问题与信息论基础（中）（DL笔记整理系列）

《繁凡的深度学习笔记》第3章分类问题与信息论基础（中）（逻辑回归、信息论基础、Softmax回归）（DL笔记整理系列）[email protected]://fanfansann.blog.csdn.net
繁凡さん·2022-02-11 07:43

吴恩达深度学习笔记(80)-卷积神经网络示例

构建全卷积神经网络的构造模块我们已经掌握得差不多了，下面来看个例子。假设，有一张大小为32×32×3的输入图片，这是一张RGB模式的图片，你想做手写体数字识别。32×32×3的RGB图片中含有某个数字，比如7，你想识别它是从0-9这10个数字中的哪一个，我们构建一个神经网络来实现这个功能。我用的这个网络模型和经典网络LeNet-5非常相似，灵感也来源于此。LeNet-5是多年前YannLeCun创
极客Array·2022-02-10 06:16

吴恩达深度学习笔记（8）-重点-梯度下降法（Gradient Descent）

梯度下降法（GradientDescent）（重点）梯度下降法可以做什么？在你测试集上，通过最小化代价函数（成本函数）J(w,b)来训练的参数w和b，如图，在第二行给出和之前一样的逻辑回归算法的代价函数（成本函数）(上一篇文章已讲过）梯度下降法的形象化说明在这个图中，横轴表示你的空间参数w和b，在实践中，w可以是更高的维度，但是为了更好地绘图，我们定义w和b，都是单一实数，代价函数（成本函数）J(
极客Array·2022-02-08 23:47

百度PaddlePaddle零基础实践深度学习笔记——卷积神经网络

目录卷积神经网络基础卷积池化五种神经网络结构LeNetAlexNetAlexNetGoogleNetResNet卷积神经网络基础卷积主要介绍内容有：卷积计算填充（padding）步幅（stride）多输入通道、多输出通道和批量操作卷积计算：卷积是数学分析中的一种积分变换的方法，在图像处理中采用的是卷积的离散形式。这里需要说明的是，在卷积神经网络中，卷积层的实现方式实际上是数学中定义的互相关（cro
ZWYDSG·2022-02-04 15:04

深度学习笔记_搭建一个简单网络(完整版)_手写数字识别MNIST

目录1.加载MNIST的train数据和test数据2.定义神经网络3.使用定义的网络进行训练4.使用测试集，计算预测精度5.辅助工具函数1.加载MNIST的train数据和test数据importtorchimporttorchvision#处理图像视频,包含一些常用的数据集、模型、转换函数等等fromtorchimportnn,optimfromtorch.nnimportfunctional
惊鸿一博·2021-11-10 17:46

TensorFlow-深度学习笔记

文章目录教程环境配置安装WindowsCPU版本tensorflow安装CUDA、cuDNN安装WindowsGPU版本tensorflow查看使用的是CPU还是GPU深度学习介绍1.1深度学习与机器学习的区别1.1.1特征提取方面1.1.2数据量和计算性能要求1.1.3算法代表1.2深度学习的应用场景1.3深度学习框架介绍1.3.1常见深度学习框架对比1.3.2TensorFlow的特点1.3.
咬着棒棒糖闯天下·2021-09-10 21:32

【学习笔记】动手学深度学习2-2.2

动手学深度学习笔记22.1数据操作张量（tensor）无论使用哪个深度学习框架，它的张量类（在MXNet中为ndarry，在PyTorch和TensorFlow中为Tenor）都与Numpy中的ndarray
华慕·2021-08-12 16:33

Python 深度学习笔记 第一章什么是深度学习1.1人工智能、机器学习与深度学习

学习目标：掌握Python深度学习这本书[学习这本书]学习时间：计划学习一个月学习产出：技术笔记九篇第一章什么是深度学习学习目标：掌握Python深度学习这本书学习时间：计划学习一个月学习产出：技术笔记九篇人工智能机器学习从数据中学习表示深度学习之深度用三张图理解深度学习的工作原理深度学习已经取得的进展不要相信短期炒作人工智能的未来人工智能人工智能的定义：努力将通常由人类完成的智力任务自动化机器学
可可kk·2021-08-10 09:16

动手学深度学习笔记（一）

矩阵计算1.标量导数一般的标量导数表示切线的斜率2.亚导数将导数拓展到不可微的函数。在函数的不可导点，将导数（斜率）取为一个范围内的任意值。如，对于函数：y=∣x∣y=|x|y=∣x∣其导数可以记为：∂∣x∣∂x={1ifx>0−1ifx0\\-1&if\x0ifx00ifx0\\0&if\x0ifx>>x=torch.arange(4.0)>>>xtensor([0.,1.,2.,3.])>>>
上官永石·2021-07-30 22:24

基于pytorch的深度学习笔记（一）——进行内置手写数据集的训练和预测

鉴于此，将我个人的学习过程和部分经验汇总成为后续的《基于pytorch的深度学习笔记》系列内容，一是整理成为自己的技术学习文档，二是希望能够为后续希望入门机器学习的同僚作为技术参考。
沙丁鱼已经变成罐头·2021-07-15 15:24

【深度学习笔记】 【深度学习混淆专业名词解释】

1.监督学习、无监督学习、半监督学习和强化学习到底有什么区别？Supervisedlearning（监督学习)它是有特征（feature）和标签（label）的，即便是没有标签的，机器也是可以通过特征和标签之间的关系，判断出标签。举例子理解：高考试题是在考试前就有标准答案的，在学习和做题的过程中，可以对照答案，分析问题找出方法。在高考题没有给出答案的时候，也是可以给出正确的解决。这就是监督学习。一
心之所向521·2021-07-01 10:36

redis深度学习笔记

redis的数据结构数据结构：stringsetzsethashlist几种新的redis数据存储方案1.位图场景呈现：比如的场景是签到记录，每个人都要有自己的签到记录，都是用keyvalue来记录那一天是否进行了签到的话会浪费很大的空间redis提供的这种问题的解决，bitmap：每天是否签到，可以在bit位的0/1来表示，比如一年365天，50个字节就可以表述400位位图不是特殊数据结构，就是
张帆demo·2021-06-29 20:43

吴恩达深度学习笔记（12）-计算图计算梯度下降

逻辑回归中的梯度下降（LogisticRegressionGradientDescent）本节我们讨论怎样通过计算偏导数来实现逻辑回归的梯度下降算法。它的关键点是几个重要公式，其作用是用来实现逻辑回归中梯度下降算法。但是在本节中，将使用计算图对梯度下降算法进行计算。必须要承认的是，使用计算图来计算逻辑回归的梯度下降算法有点大材小用了。但是，以这个例子作为开始来讲解，可以使你更好的理解背后的思想。从
极客Array·2021-06-24 12:12

吴恩达深度学习笔记(16)-神经网络的表示与输出计算

神经网络的表示（NeuralNetworkRepresentation）先回顾一下我在上一篇笔记画几张神经网络的图片，在这次，我们将讨论这些图片的具体含义，也就是我们画的这些神经网络到底代表什么。我们首先关注一个例子，本例中的神经网络只包含一个隐藏层（图1）。这是一张神经网络的图片，让我们给此图的不同部分取一些名字。图1我们有输入特征x_1、x_2、x_3，它们被竖直地堆叠起来，这叫做神经网络的输
极客Array·2021-06-22 10:10

TensorFlow深度学习笔记 循环神经网络实践

转载请注明作者：梦里风林Github工程地址：https://github.com/ahangchen/GDLnotes欢迎star，有问题可以到Issue区讨论官方教程地址视频/字幕下载加载数据使用text8作为训练的文本数据集text8中只包含27种字符：小写的从a到z，以及空格符。如果把它打出来，读起来就像是去掉了所有标点的wikipedia。直接调用lesson1中maybe_downlo
城市中迷途小书童·2021-06-14 15:53

深度学习笔记

第一章：深度学习内容主动学习在某些情况下，没有类标签的数据相当丰富而有类标签的数据相当稀少，并且人工对数据进行标记的成本又相当高昂。在这种情况下，我们可以让学习算法主动地提出要对哪些数据进行标注，之后我们要将这些数据送到砖家那里让他们进行标注，再将这些数据加入到训练样本集中对算法进行训练。这一过程叫做主动学习。半监督学习部分有标签，用无标签数据加强有标签学习增强学习类似alphagolossfun
C就要毕业了·2021-06-09 13:19

深度学习笔记--- 什么是分类，什么是回归？

[深度学习笔记]什么是分类，什么是回归？监督学习中：如果预测的变量是离散的，我们称其为分类（如决策树，支持向量机等），如果预测的变量是连续的，我们称其为回归。
心之所向521·2021-05-27 11:34

深度学习笔记---shuffle作用

深度学习shuffle作用：shuffle就是为了避免数据投入的顺序对网络训练造成影响。增加随机性，提高网络的泛化性能，避免因为有规律的数据出现，导致权重更新时的梯度过于极端，避免最终模型过拟合或欠拟合。
心之所向521·2021-05-24 19:15

深度学习笔记

NeuralNetworksandDeepLearningThisismynotebookwhenIlearndeeplearningfromNeuralNetworksandDeepLearningCHAPTER1:UsingneuralnetstorecognizehandwrittendigitsTwoimportanttypesofartificialneuron(theperceptro
JxKing·2021-05-20 20:15

吴恩达深度学习笔记(14)-Python中的广播（Broadcasting in Python）

Python中的广播（BroadcastinginPython）这个广播的入门讲解先从一个栗子开始：这是一个不同食物(每100g)中不同营养成分的卡路里含量表格，表格为3行4列，列表示不同的食物种类，从左至右依次为苹果，牛肉，鸡蛋，土豆。行表示不同的营养成分，从上到下依次为碳水化合物，蛋白质，脂肪。那么，我们现在想要计算不同食物中不同营养成分中的卡路里百分比。现在计算苹果中的碳水化合物卡路里百分比
极客Array·2021-05-16 17:39

深度学习笔记7：Tensorflow入门

欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！对商业智能BI、大数据分析挖掘、机器学习，python，R等数据领域感兴趣的同学加微信：tsaiedu，并注明消息来源，邀请你进入数据爱好者交流群，数据爱好者们都在这儿。作者简介：鲁伟：一个数据科学践行者的学习日记。数据挖掘与机器学习，R与Python，理论与实践并行。个人公众号：
天善智能·2021-05-14 03:25

深度学习笔记1：利用numpy从零搭建一个神经网络

欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！对商业智能BI、大数据分析挖掘、机器学习，python，R等数据领域感兴趣的同学加微信：tsaiedu，并注明消息来源，邀请你进入数据爱好者交流群，数据爱好者们都在这儿。作者简介：鲁伟：一个数据科学践行者的学习日记。数据挖掘与机器学习，R与Python，理论与实践并行。个人公众号：
天善智能·2021-05-14 00:47

深度学习笔记3-模型训练及模型评估指标

「学习内容总结自udacity和coursera的深度学习课程，截图来自udacity课件」一.模型训练1.为模型创建测试集建立好一个模型之后我们要怎么评估它的好坏以及泛化的能力（由具体的，个别的扩大为一般的能力）呢？这时候就需要引进测试集的概念。如上图，空心代表测试集数据，实心代表训练集数据。我们对两个模型分别进行了不同的拟合，那么两个模型哪个效果比较好呢？从拟合角度来看两者的拟合效果差不多。但
caoqi95·2021-05-11 12:11

吴恩达深度学习笔记(69)-端到端的深度学习

什么是端到端的深度学习？（Whatisend-to-enddeeplearning?）深度学习中最令人振奋的最新动态之一就是端到端深度学习的兴起，那么端到端学习到底是什么呢？简而言之，以前有一些数据处理系统或者学习系统，它们需要多个阶段的处理。那么端到端深度学习就是忽略所有这些不同的阶段，用单个神经网络代替它。我们来看一些例子，以语音识别为例，你的目标是输入x，比如说一段音频，然后把它映射到一个输
极客Array·2021-05-08 04:16

吴恩达深度学习笔记（7）--逻辑回归的代价函数（Cost Function）

在上一篇文章中，我们讲了逻辑回归模型，这里，我们讲逻辑回归的代价函数（也翻译作成本函数）。吴恩达让我转达大家：这一篇有很多公式，做好准备，睁大眼睛！代价函数很重要！为什么需要代价函数：为了训练逻辑回归模型的参数w和参数b我们，需要一个代价函数，通过训练代价函数来得到参数w和参数b。先看一下逻辑回归的输出函数：为了让模型通过学习调整参数，你需要给予一个m样本的训练集，这会让你在训练集上找到参数w和参
极客Array·2021-04-29 16:47

深度学习（一）简单神经网络【识别猫】

对于深度学习这一门课，我是在B站上跟着吴恩达老师的课程，再加上黄海广老师整理的深度学习笔记来学习，目前我已经学习完课程一的内容，现在开始做吴恩达老师的实验课。
zhiguo98·2021-04-23 11:07

深度学习笔记 - 理解LSTM网络

转载：《理解LSTM网络|我爱计算机》RecurrentNeuralNetworks人类对事物的理解并不是从一片空白开始的，往往都是基于对先前所见所闻的理解来对看到的进行推断；我们的思想有持久性，对市场历史的理解对将来的走势也具有一定的参考和借鉴。传统的神经网络一大弊端就是只是在每个时间点对事件类型进行分类，很难根据先前的事件对后续进行推断。RNN解决了这个问题，RNN包含循环网络，允许信息的持久
Kimichen7764·2021-04-23 06:51

深度学习笔记 - 理解LSTM网络

转载：《理解LSTM网络|我爱计算机》RecurrentNeuralNetworks人类对事物的理解并不是从一片空白开始的，往往都是基于对先前所见所闻的理解来对看到的进行推断；我们的思想有持久性，对市场历史的理解对将来的走势也具有一定的参考和借鉴。传统的神经网络一大弊端就是只是在每个时间点对事件类型进行分类，很难根据先前的事件对后续进行推断。RNN解决了这个问题，RNN包含循环网络，允许信息的持久
Kimichen7764·2021-04-23 06:51

深度学习笔记(1) 线性回归

文章目录一、线性回归的介绍二、解决方法1.解析法2.梯度下降法一、线性回归的介绍  回归分析研究自变量和因变量之间的一种统计关系，在深度学习中通常指给定一个输入，得到一个数作为输出，输入可以是多种形态，比如图像、序列等，如下图所示：  线性回归指输入和输出之间满足线性关系，假设输入数据为xxx，它有ddd个特征，输入可以表示为(x1,x2,...,xd)T(x_1,x_2,...,x_d)^T(x
LW缥JS缈T·2021-04-21 18:10

深度学习笔记（1）:损失函数和激活函数的选择关系

参考：链接代码：fromabcimportABC,abstractmethodimportnumpyasnpimporttimeimportrefromcollectionsimportOrderedDictclassActivationBase(ABC):def__init__(self,**kwargs):super().__init__()def__call__(self,z):ifz.nd
梅津太郎·2021-04-21 16:24

深度学习笔记（十）—— 语义分割网络 FaceNet

0.前言本实验是本实验为中山大学数据科学与计算机技术课程，实验课第六周的实验安排和内容。请各位同学按照本实验指导书的引导和独立完成实验内容。在实验的过程中，有任何不解的内容（代码）或者发现了实验设置部分的Bug，非常欢迎您能够截图保存下来发送到邮箱[email protected]（崔志颖）中，我会尽快给予回复和修正。您的反馈，是对我们最大的鼓励！0.1实验内容和要求体验语义分割网络
Nino_Lau·2021-04-19 09:19

深度学习笔记（吴恩达）在更

一、深度学习概论1.1欢迎以下是吴恩达老师的原话：深度学习改变了传统互联网业务，例如如网络搜索和广告。但是深度学习同时也使得许多新产品和企业以很多方式帮助人们，从获得更好的健康关注。深度学习做的非常好的一个方面就是读取X光图像，到生活中的个性化教育，到精准化农业，甚至到驾驶汽车以及其它一些方面。如果你想要学习深度学习的这些工具，并应用它们来做这些令人窒息的操作，本课程将帮助你做到这一点。当你完成c
·2021-03-16 17:22

深度学习笔记（五）—— 激活函数[Activation Functions]

  这是深度学习笔记第五篇，完整的笔记目录可以点击这里查看。    
zeeq_·2021-03-12 17:19

吴恩达深度学习笔记(81)-为什么使用卷积？（Why convolutions?）

为什么使用卷积？（Whyconvolutions?）我们来分析一下卷积在神经网络中如此受用的原因，然后对如何整合这些卷积，如何通过一个标注过的训练集训练卷积神经网络做个简单概括。和只用全连接层相比，卷积层的两个主要优势在于参数共享和稀疏连接，举例说明一下。假设有一张32×32×3维度的图片，这是上节课的示例，假设用了6个大小为5×5的过滤器，输出维度为28×28×6。32×32×3=3072，28
极客Array·2021-03-11 02:44

深度学习笔记（吴恩达）在更

一、深度学习概论1.1欢迎以下是吴恩达老师的原话：深度学习改变了传统互联网业务，例如如网络搜索和广告。但是深度学习同时也使得许多新产品和企业以很多方式帮助人们，从获得更好的健康关注。深度学习做的非常好的一个方面就是读取X光图像，到生活中的个性化教育，到精准化农业，甚至到驾驶汽车以及其它一些方面。如果你想要学习深度学习的这些工具，并应用它们来做这些令人窒息的操作，本课程将帮助你做到这一点。当你完成c
·2021-03-09 22:18

深度学习笔记（三十一）三维卷积及卷积神经网络

一、RGB三维图像的卷积首先复习以下二维卷积运算的过程：然后让我们看看三维图像如何进行有效的卷积运算。计算方法和二维卷积类似，从三维图像中划分出3×3×33\times3\times33×3×3的方块（称为卷积立方体），对这27个像素点进行卷积，即逐个元素与过滤器相乘求和，得到输出二维矩阵中的一个值。三维图像和过滤器可以有不同的高和宽，但是必须有相同的通道数。在RGB这个例子中，就是有RGB三个颜
Mr.zwX·2021-02-13 16:31

[AI Studio] 飞桨PaddlePaddle Python零基础入门深度学习笔记＜五＞

[AIStudio]飞桨PaddlePaddlePython零基础入门深度学习笔记＜五＞新需求橄榄球教练Roger，拿出了自己的数据结构，我们的队员除了速度训练，还需要进行力量的练习。
络秋·2021-02-09 19:43

[AI Studio] 飞桨PaddlePaddle Python零基础入门深度学习笔记＜四＞

[AIStudio]飞桨PaddlePaddlePython零基础入门深度学习笔记需求：选手的最好的三次成绩Kelly教练每天在训练场忙的焦头烂额，根本没有时间摆弄计算机，需要人帮他处理选手的数据！
络秋·2021-02-07 23:30

深度学习笔记(五)：学习率过大过小对于网络训练有何影响以及如何解决

文章目录1.学习率的作用2.学习率太大有何影响3.学习率太小有何影响4.如何进行学习率设置5.学习率缓减机制1.学习率的作用学习率(learningrate),作为监督学习以及深度学习中重要的超参，它控制网络模型的学习进度,决定这网络能否成功或者需要多久成功找到全局最小值，从而得到全局最优解，也就是最优参数。换句话说学习率和stride(步长)性质差不多。2.学习率太大有何影响首先我们要认识到学习
ZZY_dl·2021-01-31 01:11

深度学习笔记(六):如何运用梯度下降法来解决线性回归问题

文章目录1.梯度下降法2.线性回归问题3.具体代码1.梯度下降法梯度下降法是一种常用的迭代方法，其目的是让输入向量找到一个合适的迭代方向，使得输出值能达到局部最小值。在拟合线性回归方程时，我们把损失函数视为以参数向量为输入的函数，找到其梯度下降的方向并进行迭代，就能找到最优的参数值。我们看下面这个二维平面：也就是说我们要运用梯度下降法顺利且快速的找到全局最优解，也就是最低的地方，我们运用的公式如下
ZZY_dl·2021-01-30 22:13

深度学习笔记整理（持续更新）

portainer新建container并修改相关配置pytorch中tensorboardX可视化网络使用踩坑【语义分割semanticsegmentation】–DeepLab（ASPP）系列学习笔记
Booo0m·2021-01-17 19:14

吴恩达--深度学习笔记

这是一个督促自己学习的笔记文章目录这是一个督促自己学习的笔记1.logistic回归1.神经网络基础----二分分类2.logistic回归3.logistic回归损失函数4.梯度下降法5.logistic回归中的梯度下降法6.m个样本的梯度下降7.向量化8.更多向量化的例子9.向量化logistic回归10.向量化logistic回归的输出11.Python中的广播12.关于python_num
NP_hard·2021-01-15 22:00

深度学习笔记(二):神经网络之优化损失函数算法介绍

神经网络优化算法：梯度下降法、Momentum、RMSprop和Adamhttps://www.cnblogs.com/jiaxblog/p/9695042.html
ZZY_dl·2021-01-14 15:24
上一页 15 16 17 18 19 20 21 22 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他