Udacity深度学习（google）笔记（1）——notmnist

• Softmax函数是将k维实数向量映射成k维(0,1)之间的实数向量（求指数后再除以指数的总和）。如果将原来的实数向量都乘以10倍，则会使得映射后的向量取值更为“极端”，即此时的学习器特别自信！
• One-Hot 编码
• 交叉熵：不对称
• Multinomial Logistic Regression：

• 最小化交叉熵：梯度下降
• python 3.6 中range取代了xrange的作用，另外下述代码结果不是1（为什么？见https://www.zhihu.com/question/25457573）：

• x = 1000000000
  ox = x
  y = 0.000001
  z = 1000000
  for i in range(0,z):
      x = x + y
  x - ox

• 所以要避免数字之间差太多，要进行标准化
  
• 
  
• notmnist这个例子包含很多对目录、文件和图片的操作：os.listdir() 
• http://blog.csdn.net/u013698770/article/details/54645326
  
• http://www.cnblogs.com/wdsunny/p/6582698.html
  

• 验证集的大小： Rule of '30'  >30000 >0.1%，即当性能提升0.1%时被影响到的验证样本达到了30个。没有这么多样本的话可以采用交叉验证的办法
• 随机梯度下降：降低运算量。与零均值同方差输入的关系，与使用较小方差的随机权重矩阵的关系
• 动量法与学习率下降
• AdaGrad
• shuffle
  
• sanitize （如测试集和训练集可能有重复样本），hash