重點的人臉有兩個眼睛在上面，鼻子在中間，嘴巴在下面
至於人臉在哪不重要
至少 那是 RCNN 或 YOLO 之類要做的事情
我的理解CNN是過convolution和pooling提取特徵，然後再用特徵來辨識
就 人腦處理資訊的流程是這樣的
刺激 -> 辨識 -> IR -> 處理 -> 動作
IR means Intermediate Representation
然後電腦是這樣
刺激 --------------> 動作
Democratic Progressive Party
所以最後還是沒有人告訴我為什麼不能全部用 dense
其實之前Memes群組出現很多各種翻轉扭曲的東西，看多了反而覺得還好（#
所以你是想說，額現在訓練的方法，完全就沒辦法讓電腦懂一個甚至多個概念對芭
NN一開始的目的感覺好像不是要學出一個概念，比較像是學出一個hen複雜的函數吧
不然我還在這邊考英文 直接去 DeepMind 工作ㄌ
話說應該可以透過共用部分 Hidden Layer 達成ㄅ
我們普通的模型是不是第一層是資料輸入，然後進第一層進hidden layer 的時候，會加總？
這樣變成一個小問題就是，你不知道這個數字是代表啥，因為你把他加總了，各種加權值混在一起
所以你只能往前一層的weight來看說哦哦哦這個neural的數字，A資料權重9、B資料權重1，這樣下去看這個神經元在尬嘛
我的小問題，如果資料互不相干，哪為啥要把他加總呢？
為啥不要這樣，把有關係的資料一起輸入，然後再像這樣中間過那個一起的hidden layer 然後再輸出
等等你去 Google 過 DenseNet 了ㄇ
問卦 GDPR CCPA LGPD 是不是未來還會更多？
這樣會讓圖中的特徵出現太多次吧
導致你這些層學到的特徵都差不多
這樣會讓圖中的特徵出現太多次吧
導致你這些層學到的特徵都差不多
今天這裡居然沒有 Grant Imahara 的新聞嗎(?)
TL;DR
五個月前有個中國富婆叫他立刻離開土耳其，去台灣