1.CNN概念理解1.1二维平面的卷积操作下图Image表示一幅图片，有颜色填充的网格表示一个卷积核，卷积核的大小为3*3。假设我们做步长为1的卷积操作，表示卷积核每次向右移动一个像素（当移动到边界时回到最左端并向下移动一个单位）。卷积核每个单元内有权重，下图的卷积核内有9个权重。在卷积核移动的过程中将图片上的像素和卷积核的对应权重相乘，最后将所有乘积相加得到一个名为Convolved Featu

np.r_是按列连接两个矩阵，就是把两矩阵上下相加，要求列数相等。np.c_是按行连接两个矩阵，就是把两矩阵左右相加，要求行数相等。具体见示例：1.np.c_的用法a = np.array([[1, 2, 3],[7,8,9]])b=np.array([[4,5,6],[1,2,3]])aOut[4]:array([[1, 2, 3],[7, 8, 9]])bO...

x=torch.arange(15).view(5,3)x_mean=torch.mean(x,dim=0,keepdim=True)x_mean0=torch.mean(x,dim=1,keepdim=True)print('before bn:')print(x)print('x_mean:')print(x_mean)print('x_mean0:')print(x_mean...