7.1 Good Relational DB Design逻辑数据库设计包括: 初始关系架构生成 关系架构规范化 Lossless Decomposition无损分解Def：设 R 为关系模式，R1 和 R2 构成 R 的分解。 即 R = R1 U R2Def：分解是无损分解，如果将模式 R 替换为两个关系模式 R1 U R2 没有丢失信息 Normalization Princi

13.1 Introduction物理数据库中解决的两个问题： 数据组织，即数据的物理存储结构 — Ch13 数据访问，例如索引 — Ch14 目标 根据DBMS机制，选择合适的数据库物理结构 在数据库表上合理设置索引，提高数据查询速度 13.2 File Organization文件逻辑/物理组织 in Operating System Concepts 逻辑结

成绩：20期中+60期末+10笔记+10作业 笔记本：一周交一次 9.11concept: database(DB):数据库，是一个文件，有关联的数据的集合 database management system(DBMS):数据库管理系统，包含程序处理DB中的数据 database system(DBS):=DB+DBMS+User database application syst

50期末+30课程编程作业+10大作业+10平时 智能计算系统：智能的物质载体 集成CPU和智能芯片的异构系统 面向开发者的智能计算编程环境

卷积神经网络（CNN） 局部连接：一个像素与它周围的几个像素有很强的联系，但是与离它很远的像素联系可能很弱 权重共享：卷积神经网络中，权重又称为卷积模板，用于表达一种图像的特征。在图像的不同位置找特征，可以使用一样的卷积模板 CNN组成： 卷积层 池化层 全连接层 Softmax 卷积层 边界扩充（padding） 扩大图像的尺寸并填充像素 防止深度网络中图像被动持续减小 强化图像边缘信息

线性函数拟合线性回归可以找到一些点的集合背后的规律：一个点集可以用一条直线来拟合，这条拟合出来的直线的参数特征，就是线性回归找到的点集背后的规律 感知机感知机模型𝐻 𝒙 = sign(𝒘_𝑇 𝒙 + 𝑏)对应一个超平面𝒘_𝑇 𝒙 + 𝑏 = 0，模型参数是(𝒘, 𝑏)。感知机的目标是找到一个(𝒘, 𝑏)，将线性可分的数据集T中的所有的样本点正确地分为

计算AlexNet、VGG19、ResNet152三个网络中的神经元数目及可训练的参数数目AlexNetproceedings.neurips.cc/paper/2012/file/c399862d3b9d6b76c8436e924a68c45b-Paper.pdf 根据论文中给出的网络结构AlexNet共有五层卷积层和三层全连接层其中第一层卷积层有96个卷

深度学习编程框架：将深度学习算法中的基本操作封装成一系列组件，这一系列深度学习组件，即构成一套深度学习框架 pytorch概述主要优点简洁易懂：API设计简洁一致，基本上是tensor、autograd、nn三层封装便于调试：采用动态图，可以进行调试强大高效：提供了非常丰富的模型组件 pytorch和tensorflowTensorflow在工业界拥有完备的解决方案和用户基础 pytorch编程模

Pytorch的设计原则 要性能更要易用 简介抽象而非隐藏细节 始于python，忠于python Pytorch的计算图机制常见求导方法： 手动求解法 数值求导法 符号求导法 自动求导法 分布式计算机制 不同的分布式计算方法：数据并行：对数据进行分区模型并行：对程序进行分区混合并行：同时对数据和程序进行分区 编译机制

• A2.1 (5 points) 尝试解释Epoch、Iteration、Batch几个概念及其不同，尝试说明batch_size的选择依据和影响。Epoch代表全部的训练数据在模型中训练的次数Iteration表示在一个Epoch中参数更新的次数Batch表示一次正向和反向传播中的一组数据样本batch_size表示Batch中的数据量。小的batch_size可能会导致训练过程不稳定，但梯度