qq_45298704的博客

卷积的运算以及形式 import numpy as np data = [1, 2, 3, 4, 5] kernel = [6, 7, 8] list1 = np.convolve(data, kernel, 'full') #全卷积，有一个卷积核生效就输出 list2 = np.convolve(data, kernel, 'same') #同纬卷积，卷积核中间的那个生效则输出 list3 = np.convolve(data, kernel, 'valid') #有效卷积，卷积核全生效.

Epoch（时期）： 当一个完整的数据集通过了神经网络一次并且返回了一次，这个过程称为一次>epoch。（也就是说，所有训练样本在神经网络中都 进行了一次正向传播 和一次反向传播 ） 再通俗一点，一个Epoch就是将所有训练样本训练一次的过程。 然而，当一个Epoch的样本（也就是所有的训练样本）数量可能太过庞大（对于计算机而言），就需要把它分成多个小块，也就是就是分成多个Batch 来进行训练。** Batch（批 / 一批样本）： 将整个训练样本分成若干个Batch。 Batch_Size（批大.