记录

学了几个礼拜的深度学习，在这里做一个总结What is a neural network?就是利用十分复杂的神经网络模型，那么我们接下来说一下什么是神经网络模型神经网络模型神经网络模型就是一个很复杂的函数，我们输入数据，经过这个模型函数，可以给我们先后要的输出假如我们要建立房价的预测模型，一共有六个房子。我们已知输入x即每个房子的面积（多少尺或者多少平方米），还知道其对应的输出y即每个房子的价格。

记录

学了几个礼拜的深度学习，在这里做一个总结What is a neural network?就是利用十分复杂的神经网络模型，那么我们接下来说一下什么是神经网络模型神经网络模型神经网络模型就是一个很复杂的函数，我们输入数据，经过这个模型函数，可以给我们先后要的输出假如我们要建立房价的预测模型，一共有六个房子。我们已知输入x即每个房子的面积（多少尺或者多少平方米），还知道其对应的输出y即每个房子的价格。

记录

卷积神经网络（convolutional neural network）是含有卷积层（convolutional layer）的神经网络。本章中介绍的卷积神经网络均使用最常见的二维卷积层。它有高和宽两个空间维度，常用来处理图像数据。二维卷积运算在二维卷积层中，一个二维输入数组和一个二维核（kernel）数组通过互相关运算输出一个二维数组。...

韦东山的视频

3、epoll将主动轮询变成被动通知，当有事情发生时，接收到通知后再去处理，也就是epoll会把哪个流发生哪种i/o事件通知我们，epoll是事件驱动（每个事件关联到fd）,epoll底层是红黑树，epoll内部使用事件驱动的机制，内核中维护了一个链表来记录就绪事件，当某个socket有事件发生时，通过回调函数内核将其加入到就绪事件链表中，当用户调用epoll_wait()函数时，只会返回有事件发

·实际图像里，我们感兴趣的物体不会总出现在固定位置：即使我们连续拍摄同一个物体也极有可能出现像素位置上的偏移。这会导致同一个边缘对应的输出可能出现在卷积输出 Y中的不同位置，进而对后面的模式识别造成不便。在本节中我们介绍池化（pooling）层，它的提出是为了缓解卷积层对位置的过度敏感性二维最大池化层和平均池化层同卷积层一样，池化层每次对输入数据的一个固定形状窗口（又称池化窗口）中的元素计算输出。