《python深度学习》笔记---5.2-3、猫狗分类（基本模型） 一、总结 一句话总结： 模型的话也是比较普通的卷积神经网络，就是图像数据用的生成器：ImageDataGenerator ...

《python深度学习》笔记---5.4-3、卷积网络可视化-热力图 一、总结 一句话总结： 【一张图像的哪一部分让卷积神经网络做出了最终的分类决策】：可视化类激活的热力图，它有助于了解一张图像 ...

《python深度学习》笔记---6.1-2、word embedding-利用 Embedding 层学习词嵌入 一、总结 一句话总结： 【考虑到仅查看每条评论的前 20 个单词】：得到的验证 ...

《python深度学习》笔记---5、CNN的多个卷积核为什么能提取到不同的特征 一、总结 一句话总结： 过滤器的权重是随机初始化的 只有卷积核学习到不同的特征，才会减少成本函数 随机初始化 ...

《python深度学习》笔记---5.2-2、猫狗分类（图片数据处理） 一、总结 一句话总结： 【将训练数据中的猫狗头像分训练集、验证集、测试集分好】：其实就是将训练数据中的猫狗头像分训练集、验 ...

《python深度学习》笔记---5.3-2、猫狗分类（使用预训练网络-实战） 一、总结 一句话总结： 【卷积就是特征提取】：从预训练网络训练猫狗分类，可以更加方便的理解卷积层就是特征提取 【 ...

《python深度学习》笔记---6.1-3、word embedding-使用预训练的词嵌入 一、总结 一句话总结： 【将文本转换为能处理的格式】：将原始文本转换为神经网络能够处理的格式。 ...

《python深度学习》笔记---8.1、使用LSTM生成文本 一、总结 一句话总结： 其实原理非常简单，就是单层的LSTM把训练数据中单词与字符的统计规律学好，然后softmax层相当于分类对 ...

《python深度学习》笔记---5.3-1、猫狗分类（使用预训练网络） 一、总结 一句话总结： 【小型图像数据集】：想要将深度学习应用于小型图像数据集，一种常用且非常高效的方法是使用预训练网络 ...