ppt
参数共享终于把拿一点想清楚啦，一定要知道w是矩阵！
在传统BP中，w前后连接时是all的，辣么多w使得你给我多少图片我就能记住多少信息--》导致过拟合--》cnn当中权值共享
激励层-非线性映射--不管无关信息，过滤信息
对卷积层的理解
data中第三行第三列表示-该位置对应的神经元关注图像轮廓信息
data中第四行第六列表示-。。。。关注图像颜色信息
物理含义无法认为理解
无需手动提取特征，因为每个神经元会自己提取特征
Googlenet--去掉全连接，换成1*1卷积；中间有两层也会输出预测
ResNet--把连乘换掉，把真实的样子拉到你眼前
思路一
图像定位= 识别+定位---》classification和regression--》一种是在最后一个conv层后将classification积木替换为regression的积木，一种是在最后一个全连接层后将。。。；一种是将前面的权重固定，一种是在增加regression之后前面的权重也一起训练；classification用的是交叉熵损失，regression用的是L2损失函数
思路二
直接找xyzh麻烦的话，不把它视为regression问题，而用框来视为分类问题
