铁皮饭盒

Results 96 comments of 铁皮饭盒
trafficstars

![image](https://user-images.githubusercontent.com/8264787/125911569-77586590-343b-403f-9b2c-dfcdde9e6f58.png)

## D3中常用的比例尺 ### 摘要 `domian`和`range`配合实现比例映射 ```javascript var scaleLinear = d3.scaleLinear().domain([100,200]).range([0, 400]); console.log(scaleLinear(101),scaleLinear(200)); // 4 , 400 ``` ### 参考 https://segmentfault.com/a/1190000011006780

https://blog.csdn.net/xiaosongshine/article/details/84645154

池化有助于在输入矩阵中实现平移不变性。 在图像分类问题中,即使图像中对象的位置发生变化,算法也能成功对图像进行分类。例如,无论一只狗位于画面正中央还是画面左侧,该算法仍然可以识别它。

如下所示的两步数学运算: 对卷积过滤器和输入矩阵切片执行元素级乘法。(输入矩阵切片与卷积过滤器具有相同的等级和大小。) 对生成的积矩阵中的所有值求和。 以下面的 5x5 输入矩阵为例: ![image](https://user-images.githubusercontent.com/8264787/118070797-267e0400-b3d9-11eb-987e-cb5a842222d0.png) 现在,以下面这个 2x2 卷积过滤器为例: ![image](https://user-images.githubusercontent.com/8264787/118070810-2bdb4e80-b3d9-11eb-89a9-4b9c3a6873f4.png) 每个卷积运算都涉及一个 2x2 输入矩阵切片。例如,假设我们使用输入矩阵左上角的 2x2 切片。这样一来,对此切片进行卷积运算将如下所示: ![image](https://user-images.githubusercontent.com/8264787/118070814-2f6ed580-b3d9-11eb-9d88-59df7f872be3.png) 卷积层由一系列卷积运算组成,每个卷积运算都针对不同的输入矩阵切片。