【代码】Leetcode 评论区代码（java）

在前馈神经网络中，信息的传递是单向的，这种限制虽然使得网络变得更容易学习，但在一定程度上也减弱了神经网络模型的能力。在生物神经网络中，神经元之间的连接关系要复杂的多。前馈神经网络可以看着是一个复杂的函数，每次输入都是独立的，。。比如一个有限状态自动机，其下一个时刻的状态（输出）不仅仅和当前输入相关，也和当前状态（上一个时刻的输出）相关。此外，前馈网络难以处理时序数据，比如视频、语音、文本等。。因此

即我们可以以target为依据，不断训练神经网络，优化神经网络中各个模块，从而优化output。2、−x[class]：在已知图片类别的情况下，预测出来对应该类别的概率x[class]越高，其预测结果误差越小。输出结果为[0.1,0.2,0.3]，该列表中的数字分别代表分类标签对应的概率。，每个结果概率都很高，这显然是不合理的。当我们进行反向传播的时候，对每一个节点的参数都会求出一个对应的。个元素

方差缩放方法能够根据神经元的链接数量来自适应地调整初始化分布地方差，尽可能的保证每个神经元的输入和输出方差一致。

给定两个整数数组preorder和inorder，其中preorder是二叉树的inorder是同一棵树的，请构造二叉树并返回其根节点。[-1]

torch.flatten更方便，可以直接把图像变成一行。torch.reshape功能更强大，可任意指定图像尺寸。以上两行代码都是将图像展开成一行。

可以求出神经网路中每个需要调节参数的梯度(grad)，可以根据梯度进行调整，达到的作用。下面我们对优化器进行介绍。

以下两种方法已经用不了。

intortuple) - max pooling的窗口大小。用于设置一个取最大值的窗口，如设置为3，那么会生成一个3×3的窗口stride(intortupleoptional) - 默认值为kernel_size，步幅，和卷积层中的stride一样padding(intortupleoptional) - 填充图像，默认填充的值为0dilation(intortupleoptional) –

因此，之后通过第一个线性层，(in_features=64 * 4 * 4, out_features=64)之后使用Flatten。函数将图像展成一列，此时图像尺寸变为：1×(64×4×4)，即1×1024。→ 变成32通道，16×16的图像 ( 经过一个5×5的卷积)→ 变成32通道，32×32的图像 (经过2×2的最大池化)→ 变成32通道，16×16的图像 (经过2×2的最大池化)→ 变成