[[文件:FACE_DETECT1.png|有框|200px|thumb|left]]<br />[[文件:FACE_DETECT2.png|有框|200px|thumb|left]]<br />
·学习人工神经网络的原理和训练方法：建立计算图、进行计算；<br />
·学习全连接（多层感知机）和卷积神经网络的参数与代码写法：MLP的权重个数多，CNN权重个数少、可并行运算快、革命性；<br />
·了解MNIST数据集，分别运行MLP方法和CNN方法识别MNIST手写数据集，发现CNN比MLP快且准确率更高；<br /> '''2019/7/5 Day 5'''<br />·了解RNN（循环网络结构）的原理，RNN会把t-1时刻的数据也考虑进来进行运算，因此可以预测时间上前后的依赖与影响；<br />·了解RNN的实例，如语音识别/天气预报/自然语言处理等，种类众多，因为RNN输入与输出十分灵活；<br />·尝试运行RNN和动态RNN的代码；<br />·初步了解Jetson，并配置Jetson TX2，主要包括连接显示器/电源/键盘/鼠标等配件；<br />