摘要： REF https://zhuanlan.zhihu.com/p/486373530?utm_id=0 None实际上是增加了一个维度，它不是原维度的索引。 以一维为例 x = np.arange(3) # array([0, 1, 2]) （ 注意，这个一维数组的shape是(3,)，而不是(1, 阅读全文

摘要： https://www.desmos.com/calculator?lang=zh-CN https://hs.luomashu.com/ 在线查看函数图像 Desmos https://www.desmos.com/calculator 在线画图工具：ASCIIFlow Infinity http 阅读全文

摘要： 深入理解规范化 1.Normalization 先看下基本概念。 Normalization 翻译为规范化、标准化、归一化。 维基百科中给出： min-max normailzation（常简称为 normailzation）： Mean normalization： Standardization 阅读全文

摘要： 深入理解卷积（机器学习，深度学习，神经网络） https://zhuanlan.zhihu.com/p/611815827?utm_id=0 卷积 (Convolution) 当给定一张新图时，CNN 并不能准确地知道这些特征到底要匹配原图的哪些部分，所以它会在原图中把每一个可能的位置都进行尝试，相 阅读全文

摘要： 各种各样的激活函数（详细） 深入理解激活函数 各种各样的激活函数（表格对比） 如何选择激活函数？ 一句话：“那么该用那种呢？”用ReLU非线性函数。注意设置好学习率，或许可以监控你的网络中死亡的神经元占的比例。如果单元死亡问题困扰你，就试试Leaky ReLU或者Maxout，不要再用sigmoid 阅读全文

摘要： 各种各样的激活函数（详细） 深入理解激活函数 各种各样的激活函数（表格对比） 深入理解激活函数 激活函数对于人工神经网络模型去学习、理解非常复杂和非线性的函数来说具有十分重要的作用。它们将非线性特性引入到我们的网络中。如图，在神经元中，输入（inputs ）通过加权，求和后，还被作用在一个函数上，这 阅读全文

摘要： 各种各样的激活函数（详细） 深入理解激活函数 各种各样的激活函数（表格对比） https://blog.csdn.net/caip12999203000/article/details/127067360 二、常用激活函数解析 1、Sigmoid函数 1.1 公式 1.2 对应的图像 1.3 优点与 阅读全文

摘要： 深入理解池化 1. 什么是池化 池化 (Pooling) 用来降低卷积神经网络（CNN）或循环神经网络（RNN）中的特征图（Feature Map）的维度。在卷积神经网络中，池化操作通常紧跟在卷积操作之后，用于降低特征图的空间大小。 池化操作的基本思想是将特征图划分为若干个子区域（一般为矩形），并对 阅读全文

摘要： Connected to pydev debugger (build 213.6461.77)Traceback (most recent call last): File "PyCharm Community Edition 2021.3.1\plugins\python-ce\helpers\p 阅读全文

该文被密码保护。 阅读全文