在知识的规则表示法中，产生式的基本形式是P<->Q（）

对于skip-gram模型，根据上下文预测中心词，对于k个输入一般取加权平均的方式处理。

word2vec的训练方式有2种，一个是根据上下文预测中心词的CBOW模型，一种是由中心词预测上下文的skip-gram模型。

词向量（Wordembedding），即把词语表示成整数向量。

构建深度学习模型的代码时，将其中的计算模块写入Program中，可以理解为Program是模型计算的集合体。

SSD和YOLO算法则只使用一个网络同时产生候选区域并预测出物体的类别和位置，所以它们通常被叫做双阶段检测算法。

R-CNN的系列算法分成两个阶段，先在图像上产生候选区域，再对候选区域进行分类并预测目标物体位置，它们通常被叫做两阶段检测算法。

目标检测的主要目的是让计算机可以自动识别图片或者视频帧中所有目标的类别，并在该目标周围绘制边界框，标示出每个目标的位置

由于卷积核比较小，可以堆叠更多的卷积层，加深网络的深度，这对于图像分类任务来说是不利的。

AlexNet与LeNet相比，具有更深的网络结构，包含5层卷积和3层全连接

图像分类是根据图像的语义信息对不同类别图像进行区分，是计算机视觉的核心，是物体检测、图像分割、物体跟踪、行为分析、人脸识别等其他高层次视觉任务的基础。