一、描写春天的谚语有哪些
春分
春分，日暝对分
春分日昼夜各为十二小时。
春分前好布田，春分后好种豆
这是台湾北部的农业现象，南部则比较早。
春分种芍药，到老不开花
芍药夏日开花，春分种太慢了。
春分有雨病人稀
春分日若下雨，则病人少。
清明
三月初，寒死少年家
少年爱美，才春天便急著穿单衣，常被突如其来的寒冷冻坏。
清明谷雨，寒死虎母
虽然冷锋面势力减弱，有时北方的冷空气仍然很强，冷不防又有一波寒气来袭，於是有这句俗谚。
清明风若从南起，定主田禾十有收
清明日若有南风吹，可卜有大丰收之年。
谷雨
谷雨补老母
谷雨日要为母亲进补。
谷雨鸟儿做母
形容鸟儿此时大量交配、繁殖。
惊蛰闻雷米似泥
惊蛰日打雷，表示节气无误，风调雨顺，稻谷丰收，米价便宜。
二月二打雷，稻米较重捶
表示节气无误，风调雨顺，稻谷丰收，米价便宜。当天，如果春雷乍响，这一年收成很好。
加拿大春天谚语，
一条是“March comes in like a lion and goes out like a lamb”，我把它译为“3月来时如狮豹，3月去时如羊羔”，意思是加拿大3月初天气凶暴，到3月底就温柔了；
另一条是“April showers bring May flowers”，我把它译为“4月雨来，5月花开”，意思是加拿大4月多雨，5月将鲜花盛开。
二、详细的U盘安装 WIN7 教程！！！！详细。我有一4GB U盘。。不知道怎么使用U盘启动，来安装。
现在我们开始制作Win7的U盘安装工具
1、在装好系统的电脑的上运行Uiso9.0，并将你下载好的Win7镜像文件加载好。
2、加载好镜像文件后，将U盘插入电脑，选择Uiso的启动---》写入硬盘映像。
3、在弹出的“写入硬盘映像”对话框中，硬盘驱动器这一项里，你检查一下是不是你的U盘，如果不是，请选择为你的U盘。
4、在“映像文件”这一项里，默认都是你已经加载了的镜像文件，这个不用调整。
5、在“写入方式”里选择：USB HDD+模式，其它的我没有试，也不知道能不能成功，不过，这种模式是能够兼容绝大多数的电脑。除非你的电脑是一个古董机，呵呵！
6，一切都正确后，在开始之前，我们选将U盘格式化一下，点击下面的“格式化”按钮，对U盘进行格式化，在格式化的“文件类型”选项里，选择FAT32，这个兼容性最好，并选中下面的“执行快速格式化”，要不然，你就等个十来分钟让电脑慢慢格吧。（如果没有选择“执行快速格式化”，在进行格式化的时候你可以让自己放松一下，比如：给那个MM打个电话，聊聊天；或直接约出来最好！呵呵。）
7、格式化完毕，好了，现在我们可以进行镜像文件的写入工作了，点击下面的“写入”按钮，会弹出一个对话框，提示你将会使用U盘里的数据丢失，问你是否继续，当然是“确定”了。什么，你不想选“确定”，那不要做这个镜像了，后面的你也就不需要看了。
8、在等待约10分钟后，提示写入完成后，你的U盘安装工具就制作好了。现在你就可以试试这个U盘的威力了。
9、将U盘插入到你希望使用Win7系统的电脑，并开机。（电脑开着的啊，那就选择：开始---》关闭---》重新启动。）
10、进入BIOS里设置电脑的启动方式为U盘启动
11、设置好了后保存退出，电脑会自己从U盘引导系统，并自动进入到Win7的安装界面。
三、CNN神经网络给图像分类（Matlab）
1. 你要看你的图像是什么。如果是彩色数字，先转成灰度。用MNIST训练网络。如果是各种主题，用彩色的imageNET训练。如果你的数据量大到足以与数据集媲美，那么直接用你的数据训练网络即可。
在流行的数据集上训练完，你需要固定卷积池化层，只训练后面的全连接层参数，用你自己的数据集。
2. CNN一是调整网络结构，几层卷积几层池化，卷积的模板大小等。而是在确定结构上调整参数，weight scale，learning rate，reg等。
3. 你用CNN做图像分类，无非是把CNN当成学习特征的手段，你可以吧网络看成两部分，前面的卷积层学习图像基本-中等-高层特征，后面的全连接层对应普通的神经网络做分类。
需要学习的话，首先你去看UFLDL教程。然后cs231n
与其问别人，首先你看了imageNet数据集了吗？
对于把流行数据集与自己数据混合训练模型的方法。如果两种数据十分相似，也未尝不可。但是对于流行数据集而言，自己的标注数据量一般不会太大，如果是1：1000，1:100这种比例，那么可能不加自己的数据，完全用数据集训练的模型就能得到一个还好的结果。
如果自己的数据和数据集有些差别，那混在一起我认为自己的是在用自己的数据当做噪声加到数据集中。cnn认为图像是局部相关的，而欺骗CNN的方法则主要出于，自然图像分布在一种流形结构中，训练的模型需要这种流形假设，而人工合成的图像由于添加非自然噪点，不满足模型假设，所以能用肉眼难分辨的噪声严重干扰分类结果。
如果二者相差过大，数据集是一种分布，你的数据是另一种，放到一起训练，我没试过，但我认为结果不会太好。
这时候只能把数据集用来训练cnn的特征提取能力。而后用于分类的全连接层，视你的数据量调整规模。