16.04.03

一、读取数组长度

1、可以用代码（以一维数组int a[5]为例）

sizeof(a)/sizeof(a[0])

也就是

sizeof(数组指针）/sizeof(单位元素指针);

2、针对多维的情况（以3维数组int a[5][6][7]为例）

sizeof(a)/sizeof(a[0])//第一维的长度，也就是5
sizeof(a[0])/sizeof(a[0][0])//第二维的长度，也就是6
sizeof(a[0][0])/sizeof(a[0][0][0])//第三维的长度，就是7

如果理解以上代码的话，下面的代码应该一看就懂了

sizeof(a)/sizeof(a[0][0][0]) == 5 * 6 * 7 == 210;
sizeof(a)/sizeof(a[0][0]) == 5 * 6 == 30;
sizeof(a[0])/sizeof(a[0][0][0]) == 6 * 7 == 42;

二、随机数

1、随机数种子

计算机产生随机数需要设置种子，否则产生的随机数会是相同的。定义随机数种子方法如下

srand((unsigned)time(NULL));

2、C++中random和rand函数

Random（int n）：randomize，random 不是ANSI C标准，random函数不能在GCC,VC等编译器下编译通过Rand()函数则可以通过GCC,VC等编译器

二、深度学习

(注：英（用）语（有）好（道）的同学最好来到这个网站下载研读论文http://www.cs.toronto.edu/~hinton/ ,里面pdf的链接左键可以打开在线阅读，当然下载的话右键有个下载啥啥啥的，点他就好了）

1、深度学习的理解

深度学习（deep learning）是机器学习的一种，在2006年Geoffrey Hinton等在《科学》上发表的文章提出，基于深信度网(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。[1]，

2、浅度学习（shallow learning）存在的一些问题：

（1）梯度越来越稀疏：从顶层越往下，误差校正信号越来越小；
（2）收敛到局部最小值：尤其是从远离最优区域开始的时候（随机值初始化会导致这种情况的发生）；
（3）一般，我们只能用有标签的数据来训练：但大部分的数据是没标签的，而大脑可以从没有标签的的数据中学习；[2]
在搜索资料的时候发现有贴吧网友指出以上三点有误
1、越往下未必会越小，也有少量可能性会暴增
2、收敛到局部最小只是网络规模的问题，而不是BP算法的问题，而当时的硬件水平无法支持足够大的网络规模
3、对BP算法做变形，如autoencoder在90年代就被发明出来，可以做无监督学习 Hinton有个PPT专门讲这些讹误[3]

引用资料：

[1]百度百科 http://baike.baidu.com/link?url=aBUioE8EYG9kBToQiSrcoPbxPfZeuyRAgRrZ-PE4YB19mmZEuOKmIwf8e3UwE-gYsF2IrIhit0Qg53kPUvBlnq
[2]Deep Learning 学习笔记整理笔记 http://blog.csdn.net/zouxy09/article/details/8775518
[3]百度贴吧http://tieba.baidu.com/p/3349640872