D2L 07 现代卷积神经网络虽然深度神经网络的概念非常简单——将神经网络堆叠在一起。但由于不同的网络结构和超参数选择，这些神经网络的性能会发生很大变化。 本章介绍的神经网络是将人类直觉和相关数学见解结合后，经过大量研究试错后的结晶。 我们

D2L 06 卷积神经网络本章介绍的卷积神经网络（convolutional neural network，CNN）是一类强大的、为处理图像数据而设计的神经网络。 基于卷积神经网络结构的模型在计算机视觉领域中已经占主导地位，当今几乎所有的图

D2L 05 深度学习计算在本章中，我们开始深入探索深度学习计算的关键组件，即模型构建、参数访问与初始化、设计自定义层和块、将模型读写到磁盘，以及利用GPU实现显著的加速。这些知识将使你从基础用户变为高级用户。虽然本章不介绍任何新的模型或数

D2L 04 多层感知机多层感知机线性模型的表示能力是有限的，如果加入隐藏层和非线性运算，模型的表示能力将大大增加。事实上如果隐藏层的节点足够多，模型将能够拟合任意的连续函数 $f(·)$，这就是万能/通用近似 universal appr

D2L 03 线性神经网络在本章中，我们将介绍神经网络的整个训练过程，包括：定义简单的神经网络架构、数据处理、指定损失函数和如何训练模型 经典统计学习技术中的线性回归和softmax回归可以视为线性神经网络 线性回归几个基本的概念 数据集

Matplotlib 拓展pyplot api doc 放一个 api 链接，便于查找 api Axis limit有两个推荐的方法 plt.xlim(left, right)，xlim doc plt.axis([xmin, xmax,

Matplotlib不多解释，python 超强的可视化工具，学就完事儿了，参考 official tutorial Usage GuideA simple exampleMatplotlib 的图都是在 Figures 上绘制的，每个 F

官方：预备知识 D2L 02 预备知识 所有机器学习方法都涉及从数据中提取信息，因此，我们先学习一些关于数据的实用技能，包括存储、操作和预处理数据 深度学习是关于优化的。我们有一个带有参数的模型，想要找到其中能拟合数据的最好模型。在算法的每

MMDetection3D & OpenPCDetInstall mmdet3d可以参考 官方 doc 进行下载。其中提供了如何使用 conda 从零下载，但是环境不仅仅包含 conda 环境，还有 GCC, CUDA 等编译环境。