从全连接层到卷积

中文版
#1

http://zh-v2.d2l.ai/chapter_convolutional-neural-networks/why-conv.html

#2

"因此，我们可以把隐藏表示想象为一系列具有二维张量的 通道 （channel）。"正常的语序不应该是“ 一系列具有 通道（channel）的二维张量”吗？

1 Like
#3

虽然中文表述还是怪怪的，但是这一节讲的非常好！motivation和逻辑非常清晰！

#4

在6.1.2. 多层感知机的限制中，W变成V的过程中，W的下标由k,l变成a,b，X的下标k,l变成i+a,j+b，于是k=a,l=b；k=i+a,l=j+b,这不存在矛盾吗？

#5

请问在哪找课后练习的答案
Please ask in where find after-class practice’s answer.

#6

V 和 W 不是同样的张量，它们只是有着一一对应的关系

#7

我感觉翻译的很好。只是这一节要多读几遍才能理解。反复的看几遍就有一种豁然开朗的感觉

#8

从全连接到卷积有种：（1）权重的独立到共享（2）全局到局部的感觉

#9

我不能理解W 与 Ｘ是怎么具体运算的，一个四阶ｔｅｎｓｏｒ与 ２阶 ｔｅｎｓｏｒ相乘，还是是我的理解有问题