cs231n spring 2017 lecture12 听课笔记

这一节课很零碎。

1. 神经网络到底在干嘛？

　　浅层的是具体的特征（比如边、角、色块等），高层的更抽象，最后的全连接层是把图片编码成一维向量然后和每一类标签作比较。如果直接把图片和标签做像素级的最近领域分类，误差很大，但是转成编码之后就准多了。

　　可以用PCA可视化最后一层的特征，深度学习领域更高阶的做法是用t-SNE（Van der Maaten and Hinton, "Visualizting Data using t-SNE", JMLR 2008）。

　　可视化非线性函数的激活值也可以帮助我们理解神经网络（Yosinski et al., "Understanding Neural Networks Through Deep Visualization", ICML DL Workshop 2014.）。

　　还有各种各样的把神经网络的中间层提取出来观察，试图分析黑箱的做法。

2. 风格迁移

　　利用神经网络提取出的抽象特征，可以做一些风格迁移的工作，生成新图片。