标签：enc 内容 完成 guide under 生成 提取 ali cnn
First Layer
The last Layer
如果将神经网络的前几层看成是特征提取器，那么这个网络的特征相应特性是什么？在众多的方法中，有个 silency maps 很好玩。 guided backprop 也很好玩。 Gradient Ascent 是什么鬼？（这些都有源码不？ 想做下实验看看）
能用人眼识别不出来的图片来欺骗分类器
T1： t-SNE 是干啥的
T2： 仅本节就有许多概念，我一个人是真正地完成这些内容的学习。真正地完成这种级别的课程学习，需要很多人抱团取暖。不要痴心妄想一个人搞定，这不现实！！
T3： 本节课程学完后，知道 cnn 能做什么好玩的事情。比如图片的风格迁移，生成天马行空的图片。已经目前有什么方法可以用于了解 cnn，从各种视角求 cnn 的响应特性的。
T4： cs231n 图像方面的水太深，我现在的环境和团队不能支持我在 图像方面扎根研究下午。在这种情况下，我是没有真正地把 cs231n 的知识学到手（没有项目，就算学会了也会忘记的）。应该改变思路，转变成知道哪些章节说了那些事。这样后续用到的时候也能快速查找到
Lecture 12: Visualizing and Understanding
标签：enc 内容 完成 guide under 生成 提取 ali cnn
原文地址：https://www.cnblogs.com/tmortred/p/8886253.html
