前向传播首先我们需要先确定一个公式其中W是我们的权重，X是我们的输入，b是偏置, σ是激活函数就拿最简单的两层神经网络来举例子，也就是由一个输入层，一个隐藏层，和一个输出层所组成的神经网络。在这个神经网络里，W也就是我们的隐藏层，X也就是输入层假设现在我们的输入X是一个1xN的一维矩阵假如我们需要实现0-9的手写数字识别功能，那么我们最后的输出就是0-9这十个数字的概率矩阵，也就是1x10的一个一

对于卷积公式可能有的人知道，可能有的人不知道，或者也仅仅只是知道而不理解。但是不管你知不知道这个公式的意义，都不影响你自己去实现一个卷积。他具体的数学意义，我先不讲，因为有很多人讲的都比我清楚透彻。而我要告诉你的，则是再卷积神经网络里面的卷积操作是如何实现的提到卷积神经网络，听到的最多的应该就是卷积，激活，池化这三个操作。就拿VGG16这个经典网络模型来说，其实就是通过卷积+激活+池化这三种操作堆

摘要我们提出了一个对前馈神经网络十分有效的简单注意力模型。我们的注意力模型会关注feature map的通道和空间，之后模型输出的attention maps会与输入的特征图相乘。这个模型既轻量又通用，可以被加入到任何CNN中，并且可以一起与网络进行端到端的训练。简介最近的研究表明，深度(depth)，宽度(width)，基数(cardinality)，这三个因素对CNN网络的表现最相关。从LeN

运行在微信浏览器中的Vue项目，当需要用户主动对页面进行刷新时，会遇到如下问题：微信不支持location.reload()方法，在微信浏览器中会失效Vue中的路由跳转是类似于ajax局部刷新，因此使用location.href=‘xxx+时间戳’ 这种方法时，页面不会重载Vue自带的this.$router.go(0)无效history.go(0)无效通过后来的研究和学习，找到了一...