From aac39d70d26eef02548d0e6aece5949b89e9d65b Mon Sep 17 00:00:00 2001 From: zh-angle-i Date: Tue, 3 Oct 2017 11:32:26 -0500 Subject: [PATCH] Fix typo (#66) --- chapter04_convolutional-neural-networks/cnn-scratch.md | 6 +++--- 1 file changed, 3 insertions(+), 3 deletions(-) diff --git a/chapter04_convolutional-neural-networks/cnn-scratch.md b/chapter04_convolutional-neural-networks/cnn-scratch.md index 756dae6..e89da99 100644 --- a/chapter04_convolutional-neural-networks/cnn-scratch.md +++ b/chapter04_convolutional-neural-networks/cnn-scratch.md @@ -19,7 +19,7 @@ （图片版权属于vdumoulin@github） -我们使用`nd.Convlution`来演示这个。 +我们使用`nd.Convolution`来演示这个。 ```{.python .input n=47} from mxnet import nd @@ -47,7 +47,7 @@ print('input:', data, '\n\nweight:', w, '\n\nbias:', b, '\n\noutput:', out) 当输入数据有多个通道的时候，每个通道会有对应的权重，然后会对每个通道做卷积之后在通道之间求和 -$$conv(data, w, b) = \sum_i conv(data[:,i,:,:], w[0,i,:,:], b)$$ +$$conv(data, w, b) = \sum_i conv(data[:,i,:,:], w[:,i,:,:], b)$$ ```{.python .input n=49} w = nd.arange(8).reshape((1,2,2,2)) @@ -215,7 +215,7 @@ for epoch in range(5): ## 结论 -可以看到卷积神经网络比前面的多层感知的分类精度更好。事实上，如果你看懂了这一章，那你基本知道了计算视觉里最重要的几个想法。LeNet早在90年代就提出来了。不管你相信不详细，如果你5年前懂了这个而且开了家公司，那么你很可能现在已经把公司作价几千万卖个某大公司了。幸运的是，或者不幸的是，现在的算法已经更加高级些了，接下来我们会看到一些更加新的想法。 +可以看到卷积神经网络比前面的多层感知的分类精度更好。事实上，如果你看懂了这一章，那你基本知道了计算视觉里最重要的几个想法。LeNet早在90年代就提出来了。不管你相信不相信，如果你5年前懂了这个而且开了家公司，那么你很可能现在已经把公司作价几千万卖个某大公司了。幸运的是，或者不幸的是，现在的算法已经更加高级些了，接下来我们会看到一些更加新的想法。 ## 练习 -- GitLab