update

docs/7.md

-# 第7章神经网络解释
+# 第7章 神经网络解释
 　　以下各章重点介绍神经网络的解释方法。这些方法可视化了神经网络学到的特征和概念，解释了各个预测并简化了神经网络。<br> 
 　　深度学习非常成功，尤其是在涉及图像和文本的任务中，例如图像分类和语言翻译。深度神经网络的成功事例始于2012年，当时通过深度学习方法赢得了ImageNet$图像分类挑战^{65}$冠军。从那时起，我们见证了深度神经网络架构的寒武纪爆炸式增长，并且趋势是具有越来越多的权重参数的深度网络。<br> 
 　　为了使用神经网络进行预测，数据输入将通过与学习的权重相乘的多层乘法进行传递，并经过非线性变换。根据神经网络的架构，单个预测可能涉及数百万个数学运算。我们人类不可能完全遵循从数据输入到预测的精确映射。我们必须考虑数百万个以复杂方式相互作用的权重，才能理解神经网络的预测。为了解释神经网络的行为和预测，我们需要特定的解释方法。本章假定您熟悉深度学习，包括卷积神经网络。<br>