linux操作系统文件系统的文件都按其作用分门别类地放在相关的目录中，对于外部设备文件，一般应将其放在（）目录中。

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。

损失函数的设计依赖于具体的任务

单个卷积核可以提取多个特征

简单来说，机器学习就是通过算法，使得机器能从大量历史数据中学习规律，从而对新的样本做智能识别或对未来做预测。

CNN不可用于文本分类，RNN可用于文本分类

高方差是指模型过拟合了，导致在测试集中的泛化能力较差。