Datawhale X 李宏毅苹果书 AI夏令营 task3

1 前言

本次笔记涉及苹果书3.7~4章节，教学资料来源于datawhale AI夏令营。

task1笔记：Datawhale X 李宏毅苹果书 AI夏令营 task1-CSDN博客

task2笔记：Datawhale X 李宏毅苹果书 AI夏令营 task2-CSDN博客

相关课程链接也详见 task1 笔记↑

2 归一化：把山铲平

归一化：是数据预处理的一种常用方法，旨在将数据按比例缩放，使之落入一个小的特定区间，如[0, 1]或[-1, 1]。

批量归一化：一种归一化方案，方法是减去平均值再除以标准差，每次对一批数据做处理。

归一化的好处：把崎岖的误差表面变得友好又不缺失特征，让训练更顺利。

移动平均值：解决训练时分批但是测试时没有分批的问题。

3 卷积神经网络

全链接层：顾名思义，每一个神经元都与前一层的每一个神经元相连接。加上感受野和参数共享之后就是卷积层了。

感受野：分而治之，每次只关心一个局部。

参数共享：需要参数是具有共性的，就不需要重复建设了。

卷积层：分而治之+抓主要矛盾。每一层只关心局部的数据，把每一层的特征拿出来再划分局部给下一层去汇总学习。

汇聚层：选代表制度。通过最大汇聚或者平均汇聚等方法进行下采样快速压缩图像（所以不需要学习）。

4 结语

结合实践任务应该可以理解得更深入，可惜时间有些紧张了。而我性格上比较喜欢广度优先，所以把书往后面看了好多。