【《Tensorflow实战》阅读记录】1、P67
Dropout行之有效的另外一种理解方法：理解成吧一张图片的n%的像素点删除掉（比如变成了黑点），人可以识别出这张图片的类别，机器当然有可以。这做法实际上是等于创造出了新的随机样本，增大样本量，减少特征数量来防止过拟合，防止 只记忆了训练集特征的情况。
2、P69
单层感知机无法解决XOR问题，因为一条直线或者一条曲线是无法划分如图1所示的分类区域的。而加入一个隐层就可以了。
但是即便加入N个隐藏层，最后拟合出来的一是一个函数，还是一条曲线呀，它如何解决这个问题？
实际上，应该是隐层的加入使得如图1般的图形分布变了，本来是划分L0层（X1,X2)表示的需要两条线划分点，现在是划分L1层的（M1,M2)表示的只需要1条线就可以划分的点，酱紫使得一条曲线可以划分分类区域。
(参考https://blog.csdn.net/legalhighhigh/article/details/81392516
https://www.cnblogs.com/Belter/p/6711160.html）
文章图片
文章图片
3 padding——VALID and SAME
https://blog.csdn.net/qq_32466233/article/details/81075288
https://blog.csdn.net/wuzqChom/article/details/74785643
文章图片
