qq_41694504的博客

首先，chain rule了解一下：C是y_和y的距离（也可以理解为损失函数）C对w求偏微分，有两部分，一部分是forward ,一部分是backward.如何计算forward pass,非常简单，就是input.举个例子：接下来看backward pass:将上图与下图对比，就可以看出backward的含义了，如果我们最最后面开始往前算，一步一步，就相当于反向传播了。...

为什么要解释？因为我们喜欢给不同的决策找一个理由啊，不然我们就很难接受这个决策。local explanation:为什么你认为这是一只猫？global explanation:你心里的一只猫是什么样子的？决策树是一个好解释的模型，比如说你认为这是一只鸟，是因为它满足前两个条件。如果你把一个灰色的小方块，随机遮住这个图片的一些部分，当遮住以后这个图片无法识别了以后，说明这个部分是这...

在学卷积可视化的时候，遇到了一些问题，记录一下。首先推荐一个：https://blog.csdn.net/weixin_40500230/article/details/84935287人们经常说深度学习模型是“黑匣子”，学习表示很难以人类可读的形式提取和呈现。尽管对于某些类型的深度学习模型来说部分是正确的，但对于卷积网络绝对不是正确的。卷积网络学习的表示形式非常适合可视化，这在很大程度上是...