深度学习数学理论学习（一）-神经网络结构介绍

参考书籍：《深度学习的数学》
Q1：输出层一定是个数吗？两位数真的一定局限于这种输出0还是1的实际问题吗？

 隐藏层有不同的喜好，神经网络的特性，用来描述传输的权重差异

 
 
 Q3：啥玩意包含

 Q4：输入的学习数据一直有点懵逼

 主要结论：图片输入的大小决定了pooling池化层的上限2的n次方——神经元的数量底层网络很限制网络能力，第一层数量不能太少 主要学习途径：（1）其他论文的设计 （2）自己的反复试验修正

 
 Q5：pooling池化层是干什么的？

 
 补充：池化层pooling,降低特征维度

 
 Tensorflow与张量的起源

深度学习数学理论学习（一）-神经网络结构介绍最先出现在Python成神之路。