BGR v.s RGB, NCHW v.s NHWC
在Opencv中：imread,imwrite and imshow 都是用的 BGR存储数据，储存类型用HWC储存
在PIL(python)库中，使用的是BGR存储数据，同时用的是HWC储存
在pytorch中，用PIL作为默认储存图片，但是会将BGR转化成RGB，储存方式是CHW
pytroch中的 torch.utils.data.DataLoader读取得到的数据是NCHW存储，并且用的RGB方式。
resnet50中最后一层是否要加bias偏置
在输出pytorch库中的resnet50的模型的时候，发现最后一层的全连接层中有一个bias偏置。
老师讲解的时候，在全连接层和Softmax时候，公式如下，最后可以发现bias全部被约去了，所以在最后一层是否加偏置bias都不影响最终结果的计算。
针对卷积网络模型的调参思路
从深度学习发展至今，其实没有一个明确的调参思路，不然现如今也不会有如此多的研究生苦于给深度学习模型调参，调参是一个漫长且痛苦的过程，但针对调参，是有一个大概的思路及其方向的。
一般来说有两个原则
- 越深一些的层，比较强调图像之间的共同特征，泛化能力强一些。
- 越浅一些的层，则比较面对于具体一些的任务，针对不同的任务之间的不同的特征，一般是浅层。
迁移学习应用到其他的地方的时候，一般有以下几个思路训练模型
