1、P67
Dropout行之有效的另外一種理解方法：理解成吧一張圖片的n%的像素點刪除掉（比如變成了黑點），人可以識別出這張圖片的類別，機器當然有可以。這做法實際上是等於創造出了新的隨機樣本，增大樣本量，減少特徵數量來防止過擬合，防止 只記憶了訓練集特徵的情況。
2、P69
單層感知機無法解決XOR問題，因爲一條直線或者一條曲線是無法劃分如圖1所示的分類區域的。而加入一個隱層就可以了。
但是即便加入N個隱藏層，最後擬合出來的一是一個函數，還是一條曲線呀，它如何解決這個問題？
實際上，應該是隱層的加入使得如圖1般的圖形分佈變了，本來是劃分L0層（X1,X2)表示的需要兩條線劃分點，現在是劃分L1層的（M1,M2)表示的只需要1條線就可以劃分的點，醬紫使得一條曲線可以劃分分類區域。
(參考https://blog.csdn.net/legalhighhigh/article/details/81392516
https://www.cnblogs.com/Belter/p/6711160.html）
3 padding——VALID and SAME
https://blog.csdn.net/qq_32466233/article/details/81075288
https://blog.csdn.net/wuzqChom/article/details/74785643
