梯度下降法：求局部最小值，若为凸函数，所求为全局最小值
以下山路径为例，设路径为，即表示目标函数，目的地是最低点，需要解决的问题为中间如何走。在当前位置求偏导，即梯度，正常的梯度方向类似于上山的方向，是使值函数增大的，下山最快需使最小，从负梯度求最小值，即为梯度下降，梯度下降是求偏导的负值。每走一步，继续求解当前位置的偏导数，重复，当走到了最低点，能得到一个近似最优解。
感受野：卷积神经网络每一层输出的特征图 (feature map) 上的像素点在原始图像上映射的区域大小。
efficientnet：通过固定比例缩放网络的宽度，深度和图像大小
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
