weixin_41978551的博客

卷积CONV对于输入图像和卷积核都为正方形的2D卷积输出尺寸 = [ (输入尺寸 - 卷积核尺寸 + 2*Padding) / 步长 ] + 1池化Pool对于输入图像和池化层都为正方形的池化操作输出尺寸 = [ (输入尺寸 - 池化层尺寸 ) / 步长 ] + 1...

auto-encoder网络是将输入的数据通过encoder编码为一个低维向量，并且可以使用decoder来将其reconstruction回原数据。传统auto-encoder算法的误差是使用均分误差来衡量，即比较输入输出数据的差异程度。VAE在生成模型中，我们假设输入的数据是服从某些常见的分布（比如正态分布或均匀分布），然后希望训练一个模型 X=g(Z)，这个模型能够将原来的概率分布映射到训练集的概率分布，也就是说，它们的目的都是进行分布之间的变换。这样X->Z就是进行数据压缩，Z->

基本公式：Y = A X --> dY/dX = A’Y = X A --> dY/dX = AY = A’XB --> dY/dX = A B’Y = A’ X’ B --> dY/dX = B A’Y= X ’ A X --> dY/dX = 2AX矩阵Y对标量x求导：相当于每个元素求导数后转置一下，注意MxN矩阵求导后变成N×M了Y = [ y(ij) ] --> dY/dx = [ dy(ji) / dx ]标量y对列向