H'Senseiの工坊

本文为学习总结用，可能不涉及具体的注意力机制实现。很多时候我们理解一个事物应该从它的具体作用出发，再去深入它的具体实现。比如，当你学自行车的时候，你不可能是先去理解自行车的构造原理，再上车骑行。往往我们学习自行车的骑行都是从应用开始，这也是这篇文章的初衷发，先了解它干嘛用，再理解它的实现。部分图片从网络上进行转载,侵删。

是卷积神经网络（CNN）中的关键组件，主要用于提取输入数据的特征。定义：卷积核是一个小的权重矩阵，通过在输入数据上滑动并进行卷积运算来提取特征。卷积核就相当于卷积神经网络在训练过程中逐渐发现的规律和趋势，比如猫的鼻子、猫的耳朵或者纹理信息这类小特征。

由计算思维可知，解决问题的策略可从问题拆解、模式趋势的识别、模式归纳与抽象、算法设计这几个部分着手。

算法擅长领域不擅长领域实际应用欧式距离几何计算、低维数据高维数据、稀疏数据低维几何数据曼哈顿距离网格状路径、稀疏数据、特征独立性较强的场景几何距离、高维数据网格状路径或稀疏数据切比雪夫距离最大差异度量、图像处理全局差异度量、高维数据最大差异度量或棋盘式移动闵可夫斯基距离灵活性高、通用性强参数选择困难、高维数据计算复杂度高需要灵活调整距离度量余弦相似度文本分析、高维稀疏数据、推荐系统大小敏感场景、低维数据文本数据、推荐系统。