weixin_46111970的博客

深度学习面临的挑战是：图像的底层视觉特性和高层语义概念之间的鸿沟。例如人和狗是不一样的图像，但如果他们背景颜色都一样，视觉特征很像，但语义不同。一个卷积核可以提取图像的一种特征，多个卷积核可以提取多个特征。对于全连接的神经网络，有几个结构输入层、隐藏层、输出层。交叉熵损失函数：预测值与真实值越接近，损失函数越小。多通道卷积：输出为对应通道在滑动窗口内的卷积的和。让总损失尽可能的小，预测值与真实值之间的差距。总的流程为：建立模型——损失函数——参数学习。深度全连接模型的不足之处：模型参数太多。