深度神經網路的這許多隱藏層中，較早的前幾層能學習一些低層次的簡單特徵，等到後幾層，就能把簡單的特徵結合起來，去探測更加複雜的東西。
比如人臉識別檢測時，一般會從比較小的細節入手，比如邊緣，然後再一步步到更大更複雜的區域，比如乙隻眼睛或是乙個鼻子，再把眼睛鼻子裝一塊組成更複雜的部分。
再比如語音識別中，神經網路的第一層可能就會去先開始試著探測比較低層次的音訊波形的一些特徵，比如音調是變高了還是低了，分辨白噪音，噝噝噝的聲音，或者音調，可以選擇這些相對程度比較低的波形特徵，然後把這些波形組合在一起就能去探測聲音的基本單元。有了基本的聲音單元以後， 組合起來，你就能識別音訊當中的單詞，單詞再組合起來就能識別片語，再到完整的句子。
在深度學習中：
samll：指的是隱藏單元的數量少
deep：指的是隱藏層的數目多
深層的網路隱藏單元數量相對較少，隱藏層數目較多，如果淺層的網路想要達到同樣的計算結果則需要指數級增長的單元數量才能達到。
為什麼深層網路很難訓練
第一 層數的增多會使每一層任務都變得簡單，例如計算乘法，可以在第一層計算按位加法，第二層計算兩個數的加法，第三層計算乘法，這樣的演算法邏輯更加簡單，清晰。也就是說中間層可以做更深的抽象。第二 數學上可以證明只有一層隱藏層的神經網路可以表示任意的函式，但是神經元的數量卻是指數級增加的，但是使用深層網路...
為什麼要用補碼表示
用補碼的主要原因 使用補碼，可以將符號位和其它位統一處理 同時，減法也可按加法來處理。另外，兩個用補碼表示的數相加時，如果最高位 符號位 有進製，則進製被捨棄。n位計算機，設n 8，所能表示的最大數是11111111，若再加1稱為100000000 9位 但因只有8位，最高位1自然丟失。又回了000...
補碼10000000為什麼可以表示 128？
另外，什麼是補碼？補碼的設計意義是什麼？讓我們忘記公式，來看看作者的回答。很多人並不理解補碼。補碼就是同餘啊。1000000是正128你知道吧，正負128模256是同餘的。加減乘可以直接算也是同餘的定理決定的，而不是湊出來的巧合，哪可能湊出這種東西？8位只能表示256個數，0到255，但我還想表示一...