摘要：
Inception v1 paper：《Going deeper with convolutions》 GoogLeNet夺得2014年ImageNet冠军，其最大的特点就是使用了Inception模块。Inception v1初始结构如下： 由于图像中需要识别的物体大小差异、位置差异很大，很难确定 阅读全文
摘要：
全连接网络处理图像问题： 参数太多，易过拟合 卷积神经网络解决方式： 局部关联，参数共享（卷积核滑动不变） 一维卷积： padding（零填充） 输出特征图大小： 输入NN 卷积核FF 输出(N-F)/stride+1 除不尽(padding)： 输出(N+padding*2-F)/stride+1 阅读全文
摘要：
激活函数：增加非线性 如果不用激活函数，每一层节点的输入都是上层输出的线性函数。无论神经网络有多少层，输出都是输入的线性组合，与没有隐藏层效果相当，因此网络的逼近能力就相当有限。 Sigmoid: 将输入的连续实值变换为0-1的输出。反向传播中易发生梯度消失，输出不对称（只输出正值） tanh： 输 阅读全文