动手深度学习v2 从全连接到卷积课后习题

前言：记录自己学习的过程

1.假设卷积层 (6.1.3)覆盖的局部区域 Δ=0 。在这种情况下，证明卷积内核为每组通道独立地实现一个全连接层。

这个没有很get到，是1x1的卷积🐎

2.为什么平移不变性可能也不是好主意呢？

这个在后面的pooling讲到了，因为卷积对位置比较敏感

3.当从图像边界像素获取隐藏表示时，我们需要思考哪些问题？

不是很明白，是去思考像素夹带的消息会不会丢失吗

4.描述一个类似的音频卷积层的架构。

我的理解没他想的这么多，我就想的是对声音进行抽样，抽样频率大于他的最高频率的两倍，然后就生成离散值，拿去训练

5.卷积层也适合于文本数据吗？为什么？

适合，我开始想的是如果简单文本的话，我们文本字符编码来处理，不知道对不对

6.证明在 (6.1.6)中， f∗g=g∗f 。

这个就是信号与系统的卷积的交换律，我还去翻了下我的信号笔记结果发现也只简单的写了 😂

结果发现什么也没写，虽然看了网上推的数学公式，但是我觉得图解更好一点。
这是以前写的，两个式子求卷积其实就是那图中的C去’‘过’’A，产生的积分。
那么反过来A过C不是一样的吗，我觉得这样更好理解。
参考：
https://www.zhihu.com/question/57636994