【python牛客刷题】——深度学习第三弹

【python牛客刷题】——深度学习第三弹

！！！个人主页：个人主页
！！！推荐一款模拟面试、刷题神器，从基础到大厂面试题：点击此处进入牛客网注册学习吧
！！！今日的努力，明日的未来

【解析】：神经网络会将数据转化为更适合解决目标问题的形式，我们把这种过程叫做特征学习。特征学习可以被分为两类：监督式特征学习（Supervised Representation Learning）和无监督式特征学习（Unsupervised Representation Learning）。在监督特征学习中，被标记过的数据被当做特征用来学习。例如神经网络（Neural Networks），多层感知器（Multi-Layer Perception），监督字典学习（Supervised Dictionary Learning）。在无监督特征学习中，未被标记过的数据被当做特征用来学习。例如无监督字典学习（Unsupervised Dictionary Learning），主成分分析（Principal Component Analysis），独立成分分析（Independent Component Analysis），自动编码（Auto-encoders），矩阵分解（Matrix Factorization） ，各种聚类分析（Clustering）及其变形。需要利用手动特征工程从原始数据的领域知识建立特征(Stage1)，然后再部署相关的机器学习算法的都不是特征学习(Stage2)，像SVM、决策树、K邻近算法、随机森林都不是，他们的定位应该是在Stage2部分

【解析】：检测是分类和定位，所一只要修改最后一层的输出即可

【解析】：正则化：添加参数来防止曲线过拟合。关注损失函数相关文章（后续）

【解析】：Attention-based Model其实就是一个相似性的度量，当前的输入与目标状态越相似，那么在当前的输入的权重就会越大，说明当前的输出越依赖于当前的输入。严格来说，Attention并算不上是一种新的model，而仅仅是在以往的模型中加入attention的思想，所以Attention-based Model或者Attention Mechanism是比较合理的叫法，而非Attention Model。

【解析】：因为INFINITY与0相乘为NaN，与除了乘以0以外的任何四则运算，得到的结果仍然是INFINITY。题目问的是至少有多少个，那么我们就考虑nan最少的情况下的INFINITY分布位置。第一个卷积核的4条边都不为0，因此nan的个数为0第二个卷积核有两个对称的角为0，因此一个（（10+11）+（13+12））* 2 = 92第三个与第二个相同为92个第四个卷积核的4个角都为0，因此0会与所有的数相乘，相当于从上到下，从左到右，都会被0扫描一遍，因此25*4=1000+92+92+100=284个