《Tensorflow实战》阅读记录

1、P67
Dropout行之有效的另外一种理解方法:理解成吧一张图片的n%的像素点删除掉(比如变成了黑点),人可以识别出这张图片的类别,机器当然有可以。这做法实际上是等于创造出了新的随机样本,增大样本量,减少特征数量来防止过拟合,防止 只记忆了训练集特征的情况。
2、P69
单层感知机无法解决XOR问题,因为一条直线或者一条曲线是无法划分如图1所示的分类区域的。而加入一个隐层就可以了。
但是即便加入N个隐藏层,最后拟合出来的一是一个函数,还是一条曲线呀,它如何解决这个问题?
实际上,应该是隐层的加入使得如图1般的图形分布变了,本来是划分L0层(X1,X2)表示的需要两条线划分点,现在是划分L1层的(M1,M2)表示的只需要1条线就可以划分的点,酱紫使得一条曲线可以划分分类区域。
(参考https://blog.csdn.net/legalhighhigh/article/details/81392516
https://www.cnblogs.com/Belter/p/6711160.html)

《Tensorflow实战》阅读记录_第1张图片
《Tensorflow实战》阅读记录_第2张图片
3 padding——VALID and SAME
https://blog.csdn.net/qq_32466233/article/details/81075288
https://blog.csdn.net/wuzqChom/article/details/74785643
《Tensorflow实战》阅读记录_第3张图片

你可能感兴趣的:(Tensoflow实战)