GH_HOME的专栏

深度学习的两个基石： 1. 视觉处理流程的第一步是对简单图形结构的处理，包括边缘、排列等。每一列神经元对于固定的形状表示敏感 2. 视觉是分层的： 第一层是边缘结构-2.5D-3D

隐含层数越多，越容易拟合复杂函数 为了拟合复杂函数需要的隐含节点数目，基本上随着隐含层数目的增加呈现指数下降的趋势，也就是说层数越多，神经网络所需要的隐含节点可以越少。层数越深，概念越抽象，需要背诵的知识点（神经网络的隐含节点）就越少。 但是，层数越多，容易出现过拟合以及参数难以调试以及梯度弥散的问题。过拟合：预测模型在训练模型上升高在测试集上下降。泛化能力不行。防止过拟合的方法：dropout