tensorflow知识点整理
激活函数：
sigmoid：y = 1/(1 + exp (-x))
softmax：tf.exp(logits) / tf.reduce_sum(tf.exp(logits), axis)
为什莫采用层次网络结构：高层的特征是低层特征的组合，从低层到高层的特征表示越来越抽象，越来越能表现语义或者意图。抽象层面越高，存在的可能猜测就越少，就越利于分类
一条函数分割一次 有效区/非有效区
卷积神经网络：卷积层、池化层、全连接层
sigmoid：y = 1/(1 + exp (-x))
softmax：tf.exp(logits) / tf.reduce_sum(tf.exp(logits), axis)
为什莫采用层次网络结构：高层的特征是低层特征的组合，从低层到高层的特征表示越来越抽象，越来越能表现语义或者意图。抽象层面越高，存在的可能猜测就越少，就越利于分类
一条函数分割一次 有效区/非有效区
卷积神经网络：卷积层、池化层、全连接层