2018年8月16日 下午1:43
注： 2020年3月2日 下午6:35 这里的总结主要看： 知识点(概念汇总-2018)，总结的比较详细
深度学习相关
网络结构：
全连接层的第一层的作用-第一层全连接层来源
卷积核是深度学习自己学习出来的-卷积核是学出来的
三维立方体卷积核-三维卷积核
四维卷积的运算法则-四维卷积运算
卷积层输入输出的尺寸-卷积层输入输出的尺寸
TensorFlow strides 参数讨论-代码-strides作用
激活函数在神经网络中理解-激活函数缘由
优化求解
梯度下降=学习步长=学习率-ada(SGD问题)
神经网络(深度学习)中如何训练一条边的权重的-单边权重求解-梯度消失对结果的影响
Softmax可以从两个角度去理解-softmax
交叉熵损失函数和均方误差损失函数-交叉熵是一种损失函数
求loss最小值为啥求导数不行？-梯度下降的缘由
理解
来从数学角度分析-神经网络到深度学习的演进
ML和DL能代替的对象-【将度量问题转化为ML_DL】
广义机器学习的整体架构-【阶段总结】
深度学习和机器学习的不同
神经网络难理解的原因以及理解的方法-神经网络理解
训练
训练完之后如何使用? ==> 网络如何训练?
一个数据，对一个数据的训练流程-代码
batch和全数据集训练的不同-代码-batch
第五课神经网络的程序总结+训练数据的批次-代码-批次batch
数学、基础知识
HSL和HSV色彩空间
好的方法从哪里来？
Haar小波的四中表现形式
频率图像的理解
傅里叶分析之掐死教程（完整版）