人工智能實踐：Tensorflow筆記13：感受野，全零填充，批標準化，池化,捨棄，

感受野：

不同的卷積核，待訓練參數不同，：

全零填充：保持輸出的形狀輸入圖片原始的不變：

公式：

TF：

批標準化：

神經網絡對0附近的值更加敏感，

常用在卷積操作和激活操作之間。

注意上述是：
n個卷積核，是每組輸入的圖片進行了n次操作。
組是指多少個計算組。
據此，對上述公式進行理解。

可以看到，輸入變到了0附近、

但是：

直接用上述簡單的特徵標準化。使得特徵數據完全滿足標準的正態分佈。喪失了非線性的特性。

所以：
TF：

池化：用來減少特徵數據量：

看下面，均值池化 和 最大池化：

TF實現：

捨棄:防止過擬合：