刘明的博客

flatten是用来对数组进行展平操作的，首先我们假设有一张灰度图片，这个图片只有3x3个像素点，分别是从1到9，我们对其进行flatten操作。首先它会把每1行进行分开，然后用第2行接在第1行后面，形成一个新的数组1，2，3，4，5，6，最后再把第3行的7，8，9接在新生成的数组后面形成最终的数组。接下来我们来验证一下我们的猜想。首先导入numpy包，用它来创建一个3x3的二维数组a，并将a打印出来。灰色图片是一维的，对其flatten：我们可以看到，经过flatten操作之后，本来3行的数

推荐博客：深入理解transformer源码

最近重温RNN，将比较好的博客和做的实例记录下：RNN & LSTM原理：RNN实例：

最近重温CNN，对原理细节重新推敲了一遍，网上有很多博客讲解的不错，在此做个总结。博客CNN原理，推荐七月的这一篇：CNN笔记：通俗理解卷积神经网络全连接层的作用：CNN 入门讲解：什么是全连接层（Fully Connected Layer）?这个知乎专栏写的很不错：卷积神经网络（CNN）入门讲解按照官方教程实现的实例：卷积神经网络（CNN）实例使用keras实现卷积神经网络定义CNN结构class CNN(tf.keras.Model): def __init__(self):

1.神经网络的优势      神经网络相比传统机器学习算法有较大的优势，机器学习最要的过程是特征工程，传统机器学习是一整套的迭代和训练算法，通过定义loss function，然后最小化损失函数，从而得到一个