參考：

反卷積也稱為轉(zhuǎn)置卷積，如果用矩陣乘法實現(xiàn)卷積操作，將卷積核平鋪為矩陣，則轉(zhuǎn)置卷積在正向計算時左乘這個矩陣的轉(zhuǎn)置WT，在反向傳播是左乘W，與卷積操作剛好相反，需要注意的是，反卷積不是卷積的逆運算。 [知乎問題+caffe實現(xiàn)]

實現(xiàn)上采樣；近似重構(gòu)輸入圖像，卷積層可視化。

只要激活函數(shù)選擇得當，神經(jīng)元的數(shù)量足夠，至少有一個隱含層的神經(jīng)網(wǎng)絡(luò)可以 逼近閉區(qū)間上任意一個連續(xù)函數(shù)到任意指定的精度。

判別模型，直接輸出類別標簽，或者輸出類后驗概率p(y|x) [ ] [ ] [ ]

BN是在 batch這個維度上進行歸一化，GN是計算channel方向每個group的均值方差.

檢測結(jié)果與 Ground Truth 的交集比上它們的并集，即為檢測的準確率 IoU

內(nèi)存/顯存占用；模型收斂速度等

Hessian矩陣是n*n， 在高維情況下這個矩陣非常大，計算和存儲都是問題。

mini-batch太小會導(dǎo)致收斂變慢，太大容易陷入sharp minima，泛化性不好。

可以把dropout看成是 一種ensemble方法，每次做完dropout相當于從原網(wǎng)絡(luò)中找到一個更瘦的網(wǎng)絡(luò)。

pooling操作雖然能增大感受野，但是會丟失一些信息?？斩淳矸e在卷積核中插入權(quán)重為0的值，因此每次卷積中會skip掉一些像素點；

空洞卷積增大了卷積輸出每個點的感受野，并且不像pooling會丟失信息，在圖像需要全局信息或者需要較長sequence依賴的語音序列問題上有著較廣泛的應(yīng)用。

表達式為：

使用BN的原因是網(wǎng)絡(luò)訓(xùn)練中每一層不斷改變的參數(shù)會導(dǎo)致后續(xù)每一層輸入的分布發(fā)生變化，而學(xué)習(xí)的過程又要使每一層去適應(yīng)輸入的分布，因此不得不降低網(wǎng)絡(luò)的學(xué)習(xí)率，并且要小心得初始化（internal covariant shift） 如果僅通過歸一化方法使得數(shù)據(jù)具有零均值和單位方差，則會降低層的表達能力（如使用Sigmoid函數(shù)時，只使用線性區(qū)域） BN的具體過程（注意第三個公式中分母要加上epsilon）

最好的解釋是通過1 * 1卷積核能實現(xiàn)多個channel間的解耦合，解耦cross-channel correlation和spatial correlation。 【但是因為解耦不徹底，因此后續(xù)有了mobile net的組卷積方式和shuffle net組卷積方式】

由于 1×1 并不會改變 height 和 width，改變通道的第一個最直觀的結(jié)果，就是可以將原本的數(shù)據(jù)量進行增加或者減少。改變的只是 height × width × channels 中的 channels 這一個維度的大小而已。

1*1卷積核，可以在保持feature map尺度不變的（即不損失分辨率）的前提下大幅增加非線性特性（利用后接的非線性激活函數(shù)），把網(wǎng)絡(luò)做的很deep。

備注：一個filter對應(yīng)卷積后得到一個feature map，不同的filter(不同的weight和bias)，卷積以后得到不同的feature map，提取不同的特征，得到對應(yīng)的specialized neuron。

例子：使用1x1卷積核，實現(xiàn)降維和升維的操作其實就是channel間信息的線性組合變化，3x3，64channels的卷積核后面添加一個1x1，28channels的卷積核，就變成了3x3，28channels的卷積核，原來的64個channels就可以理解為跨通道線性組合變成了28channels，這就是通道間的信息交互

注意：只是在channel維度上做線性組合，W和H上是共享權(quán)值的sliding window

并不能說明這個模型無效導(dǎo)致模型不收斂的原因可能有

A. 在實際場景下，應(yīng)盡量使用ADAM，避免使用SGD B. 同樣的初始學(xué)習(xí)率情況下，ADAM的收斂速度總是快于SGD方法 C. 相同超參數(shù)數(shù)量情況下，比起自適應(yīng)的學(xué)習(xí)率調(diào)整方式，SGD加手動調(diào)節(jié)通常會取得更好效果 D. 同樣的初始學(xué)習(xí)率情況下，ADAM比SGD容易過擬合

A.保證每一層的感受野不變，網(wǎng)絡(luò)深度加深，使得網(wǎng)絡(luò)的精度更高 B.使得每一層的感受野增大，學(xué)習(xí)小特征的能力變大 C.有效提取高層語義信息，且對高層語義進行加工，有效提高網(wǎng)絡(luò)準確度 D.利用該結(jié)構(gòu)有效減輕網(wǎng)絡(luò)的權(quán)重

A.計算簡單 B.非線性 C.具有飽和區(qū) D.幾乎處處可微 【relu函數(shù)在0處是不可微的?！?/p>

的收斂速度比RMSprop慢 B.相比于SGD或RMSprop等優(yōu)化器，Adam的收斂效果是最好的 C.對于輕量級神經(jīng)網(wǎng)絡(luò)，使用Adam比使用RMSprop更合適 D.相比于Adam或RMSprop等優(yōu)化器，SGD的收斂效果是最好的 【SGD通常訓(xùn)練時間更長，容易陷入鞍點，但是在好的初始化和學(xué)習(xí)率調(diào)度方案的情況下，結(jié)果更可靠。如果在意更快的收斂，并且需要訓(xùn)練較深較復(fù)雜的網(wǎng)絡(luò)時，推薦使用學(xué)習(xí)率自適應(yīng)的優(yōu)化方法?！?/p>

A.使用ReLU做為激活函數(shù)，可有效地防止梯度爆炸 B.使用Sigmoid做為激活函數(shù)，較容易出現(xiàn)梯度消失 C.使用Batch Normalization層，可有效的防止梯度爆炸 D.使用參數(shù)weight decay，在一程度上可防止模型過擬合

對結(jié)果存疑。認為二者皆可防止。

L-BFGS（Limited-memory BFGS，內(nèi)存受限擬牛頓法）方法： 所有的數(shù)據(jù)都會參與訓(xùn)練，算法融入方差歸一化和均值歸一化。大數(shù)據(jù)集訓(xùn)練DNN，容易參數(shù)量過大 (牛頓法的進化版本，尋找更好的優(yōu)化方向，減少迭代輪數(shù)）從LBFGS算法的流程來看，其整個的核心的就是如何快速計算一個Hesse的近似：重點一是近似，所以有了LBFGS算法中使用前m個近似下降方向進行迭代的計算過程；重點二是快速，這個體現(xiàn)在不用保存Hesse矩陣上，只需要使用一個保存后的一階導(dǎo)數(shù)序列就可以完成，因此不需要大量的存儲，從而節(jié)省了計算資源；重點三，是在推導(dǎo)中使用秩二校正構(gòu)造了一個正定矩陣，即便這個矩陣不是最優(yōu)的下降方向，但至少可以保證函數(shù)下降。 FTRL(Follow-the-regularized-Leader)是一種適用于處理超大規(guī)模數(shù)據(jù)的,含大量稀疏特征的在線學(xué)習(xí)的常見優(yōu)化算法，方便實用，而且效果很好，常用于更新在線的CTR預(yù)估模型；FTRL在處理帶非光滑正則項（如L1正則）的凸優(yōu)化問題上表現(xiàn)非常出色，不僅可以通過L1正則控制模型的稀疏度，而且收斂速度快；

在一定程度上解決了傳統(tǒng)RNN梯度消失或梯度爆炸的問題 相比于全連接的優(yōu)勢之一是模型復(fù)雜度低，緩解過擬合 C.只要參數(shù)設(shè)置合理，深度學(xué)習(xí)的效果至少應(yīng)優(yōu)于隨機算法 D.隨機梯度下降法可以緩解網(wǎng)絡(luò)訓(xùn)練過程中陷入鞍點的問題

實際上，現(xiàn)在有很多針對小目標的措施和改良，如下：

最常見的是Upsample來Rezie網(wǎng)絡(luò)輸入圖像的大?。?/p>

用dilated/astrous等這類特殊的卷積來提高檢測器對分辨率的敏感度；（空洞卷積是針對圖像語義分割問題中下采樣會降低圖像分辨率、丟失信息而提出的一種卷積思路。利用添加空洞擴大感受野，讓原本3 x3的卷積核，在相同參數(shù)量和計算量下?lián)碛?x5（dilated rate =2）或者更大的感受野，從而無需下采樣。在保持參數(shù)個數(shù)不變的情況下增大了卷積核的感受野）

有比較直接的在淺層和深層的Feature Map上直接各自獨立做預(yù)測的，這個就是我們常說的尺度問題。

用FPN這種把淺層特征和深層特征融合的，或者最后在預(yù)測的時候，用淺層特征和深層特征一起預(yù)測；

SNIP（Scale Normalization for Image Pyramids）主要思路：

在訓(xùn)練和反向傳播更新參數(shù)時，只考慮那些在指定的尺度范圍內(nèi)的目標，由此提出了一種特別的多尺度訓(xùn)練方法。