qq_33859479的博客

输入尺寸是W，做卷积从扩展了的特征图开始卷积，一定要加上padding，所以要加2P，还要减去F卷积核的大小，因为卷积核是到多余的宽度要减去才能塞满整个要被卷积的特征图，最后塞满特征图的卷积核除了最前面的一列（行）后面的尺寸要减去，所以是-F+1，再考虑步长，相当于一个宽度为F，步长为S的在W+2P长度上能走几步，所以要除以S，S相当于卷积核的一个隐含的宽度，S是多少卷积核就要一步占几位， ...

CNN的fliter里的每个值都是学习出来的不是事先设定好的。 经过fliter处理后得到是特征图(feature map) 卷积减少权重参数的本质： 权重共享

backbone：骨干网络，比如alexnet，ZFnet，VGG，googlenet... benchmark：性能指标，比如accuracy，内存消耗，模型复杂度。. baseline：对照组，也就是被用来对比的模型。比如resnet中用来对比的CNN就是baseline。 ...

LBLM(log-bilinear model)是自然语言处理中的比较简单的模型。 LBLM根据上下文的词向量来预测下一个词向量wnw_nwn​，通过对上下文词向量的一个线性组合来表示： rwr_wrw​是一个实数值词向量对于词www 对于下一个词的分布计算根据wnw_nwn​预测表示和所有词的相似度表示计算出来 翻译自https://www.cs.toronto.edu/~hinton...