百面深度学习学习心得----第一章

1 卷积层与全连接层的区别，

简单来说就是卷积层参数比全连接层参数少，拥有局部连接和参数共享的特性。

2 如何在卷积神经网络中计算感受野的大小

简单的理解就是上一次的卷积核的大小，一次步长的移动范围就是下一层卷积层的感受野大小，例如上一层的卷积核大小为3X3，步长为1，那么下一层的感受野就是5X5。

3 卷积的变种

分组卷积：将输入通道和输出通道划分为同样的组数，让组数相同的进行全连接。

转置卷积：就是用于上采样，与普通卷积相反。

空洞卷积：在标准的卷积中加入了空洞（0），以增加卷积核的感受野。

4 可变形卷积可以解决哪些问题

可以端到端的学习几何形变的偏移量，会根据物体的形状，尺寸进行自适应调整。

5 卷积神经网络的发展

Alexnet VGGnet inceptionnet resnet

6 批归一化为了解决什么问题，参数有何意义，一般放在网络什么位置。

确保网络中的各层.即使参数发生了变化，其输入 到输出 的分布也不

能产生较大变化，从而避免发生内部协变量偏移现象 采用批 归一化后

卷积神经网络的训练过程更加 l迅速，   可以采用 较大的学习率加速收敛

平移参数与缩放参数：保留每一层的学习成果。

近几年批归一化层一般放在激活层的后面。