sift演算法（傳統）

尺度不變特徵轉換(Scale-invariant feature transform或SIFT)是一種電腦視覺的演算法用來偵測與描述影像中的區域性性特徵，它在空間尺度中尋找極值點，並提取出其位置、尺度、旋轉不變數，此演算法由 David Lowe在1999年所發表，2004年完善總結。
SIFT演算法在一定程度上可解決：

目標的旋轉、縮放、平移（RST）
影象仿射/投影變換（視點viewpoint）
光照影響（illumination）
目標遮擋（occlusion）
雜物場景（clutter）

LRN （在 relu後使用，解決sigmoid梯度消失）

LRN層（local response normalization），對區域性神經元的活動建立競爭機制，使得其中響應比較大的值變得相對更大，並抑制其他反饋較小的神經元，增強了模型的泛化能力。

函式：tf.nn.lrn(input,depth_radius=None,bias=None,alpha=None,beta=None,name=None)

session 和 interactiveSession 不同

使用InteractiveSession一個主要的變化是：執行在沒有指定會話物件的情況下執行變數。這是與Session（）最大的不同。

tf.InteractiveSession():它能讓你在執行圖的時候，插入一些計算圖，這些計算圖是由某些操作(operations)構成的。這對於工作在互動式環境中的人們來說非常便利，比如使用IPython。

tf.Session():需要在啟動session之前構建整個計算圖，然後啟動該計算圖。

意思就是在我們使用tf.InteractiveSession()來構建會話的時候，我們可以先構建一個session然後再定義操作（operation），如果我們使用tf.Session()來構建會話我們需要在會話構建之前定義好全部的操作（operation）然後再構建會話。

use git

建立完 repository

cd ***
git init
git add ***
git commit -m "first commit"
git remote add origin https://github.com/gravitychen/repository_name.git
git push -u origin master (之後用)
git push -u origin master
git push -u origin master
git push -u origin master
git push -u origin master
 

本次程式碼