original url:
在卷積神經網路的最後，往往會出現一兩層全連線層，全連線一般會把卷積輸出的二維特徵圖轉化成一維的乙個向量，這是怎麼來的呢？目的何在呢？
舉個例子：
最後的兩列小圓球就是兩個全連線層，在最後一層卷積結束後，進行了最後一次池化，輸出了20個12*12的影象，然後通過了乙個全連線層變成了1*100的向量。
這是怎麼做到的呢，其實就是有20*100個12*12的卷積核卷積出來的，對於輸入的每一張圖，用了乙個和影象一樣大小的核卷積，這樣整幅圖就變成了乙個數了，如果厚度是20就是那20個核卷積完了之後相加求和。這樣就能把一張圖高度濃縮成乙個數了。
全連線的目的是什麼呢？因為傳統的網路我們的輸出都是分類，也就是幾個類別的概率甚至就是乙個數--類別號，那麼全連線層就是高度提純的特徵了，方便交給最後的分類器或者回歸。
但是全連線的引數實在是太多了，你想這張圖里就有20*12*12*100個引數，前面隨便一層卷積，假設卷積核是7*7的，厚度是64，那也才7*7*64，所以現在的趨勢是盡量避免全連線，目前主流的乙個方法是全域性平均值。
也就是最後那一層的feature map（最後一層卷積的輸出結果），直接求平均值。有多少種分類就訓練多少層，這十個數字就是對應的概率或者叫置信度。
解釋一下numa
numa 非一致性儲存 當多個處理器訪問同乙個儲存器時，會有效能損失，numa通過提供分離的儲存器給各個處理器。numa系統的結點通常是由一組cpu和本地記憶體組成，有的結點可能還有i o子系統。由於每個結點都有自己的本地記憶體，因此全系統的內存在物理上是均勻分布的，每個結點訪問本地記憶體和訪問其它...
通俗的解釋一下正規化
正規化是什麼呢？比如拷貝來一段瞅瞅 正規化是符合某一種級別的關係模式的集合。關聯式資料庫中的關係必須滿足一定的要求，滿足不同程度要求的為不同正規化。我知道不用說，你肯定一臉懵逼！因為我也是！下面我就通俗的來解釋一下三大正規化吧，不喜勿噴，個人理解 第一正規化 其實就是讓列保持原子性，原子性就是不能再...
簡單解釋一下當前IT行業
所謂的it，其實是一種簡稱，它的全稱叫做 information technology 它所指的是資訊科技領域。資訊科技領域一共被分為了三個高度層次，第乙個層次是硬體層次，第二個層次是軟體層次，第三個層次是應用層次，它們之間沒有高低之分，它們共同構成了整個資訊科技領域 從事it工作的行業，也被稱為i...