林大虫子的专栏

在构建深度学习神经网络结构的时候，由于网络的拓扑结构比较复杂，包括比较多的层次（hidden layer)，以及每一层又有许多activation(neuron)单元组成，因此在计算forward以及backward propagation时，为了减少不必要的错误，最好对其中的每一层的input/output matrix的dimension有个底。为了更好地表述，一般需要统一一下用到的一些符号，以

Dataset是Tensorflow里面一个比较重要的概念，我们知道机器学习算法需要大概的数据来训练data model. 所以Dataset就是用来做这么一件重要的事情：定义数据pipline，为学习算法提供训练数据。其实我们也可以Dataset定义了一个数据源，指向某些包含训练数据的文件列表，或者是内存里面已有的数据结构（比如Tensor objects)。Dataset 数据结构组成Datas

The whole BP Neural Network computation repeat below procedures：Forward Propagation Compute costBackward PropagationUpdate ParametersToday I want to do a summary for them per my understanding sinc

CNN APITensorflow 提供了一些内置的API实现了CNN网络结构中的卷积，池化，全连接网络等运算操作。tf.nn.conv2d(input,filter, strides, padding, data_format=’NHWC’) 完成CNN卷积运算，其中：input: 4-D 的Tensor, 每个dimension的意思由data_format指定，默认是[bat