作者文章归档：justlin_01
填充(Padding)指的是在输入周围添加额外的行/列
维度变化：
两种不同的卷积方式： ①Valid 卷积：不进行填充，卷积运算过后得到的矩阵形状为(n-f+1)×(n-f+1)。
②Same 卷积：先对矩阵进行填充，然后再进行卷积运算，使得运算前后矩阵大小不变。
想法来源：如果按照原来的操作(卷积步长为1)，那么给定输入大小为224x224，在使用5x5卷积核的情况下，需要55层才能将输出降低到4x4，也就是说，需要大量的计算才能得到维度较小的输出。
步幅是指行/列的滑动步长
维度变化:
注意：第三点可以当做结论来记(Same卷积或Val
import torch
from torch import nn
def corr2d(X,K): #X为输入，K为核矩阵
h,w=K.shape #h得到K的行数，w得到K的列数
Y=torch.zeros((X.shape[0]-h+1,X.shape[1]-w+1)) #用0初始化输出矩阵Y
for i in range(Y.shape[0]):在之前的内容中，我们认识了一些神经网络，比如：线性回归，Softmax回归，多层感知机；他们有的是整个模型，有的是一层神经网络，有的甚至只是一个单元，他们的功能以及复杂程度也各不相同，但他们都有着如下三个特征：
对于一些复杂的网络，研究讨论比层大但比整个模型小的部分很有意义，因为复杂的网络中经常有重复出现的部分，每个部分也常常有自己的功能。考虑到上面的三个特征，这就使得我们思考是否可以对这些部分进行一个抽象，这就得到了块的概念：块指单个层，多个层组成的部分，或者整个模型本身。使用块对整个模型进行描述就简
下面提供了排行榜前几使用的方法介绍链接
第二和第七：autogluon
第三：h2o
第四：随机森林
权重衰退是最常见的一种处理过拟合的方法，是最广泛使用的正则化技术之一。
复习：控制模型容量
- 使用更少参数
- 控制每个参数（取值/可选择的值）范围较小
其中权重衰退属于第二种方法。
我们的优化目标仍然是)，只是额外对
添加一个限制条件
，即权重的各项平方和小于一个特定的常数
。那么设定一个较小的
就会使得
中每个元素的值都不会太大。
通常不会限制偏移b，理论上讲b表示整个数据在零点上的偏移，
