tensorflow疑问总结

1.sigmoid 函数为什么不好？

　　（1）激活函数计算量大（在正向传播和反向传播中都包含幂运算和除法）

　　（2）反向传播求误差梯度时，求导涉及除法

　　（3）Sigmoid倒数取值范围是[0,0.25]，由于神经网络反向传播时‘链式反应’，很容易出现梯度消失的情况

　　（4）Sigmoid的输出不是0均值，这会导致后一层神经元将会得到上一层输出的非0均值的信号作为输入，随着网络的加深，会改变数据的原始分布

2.Relu函数的优势？

　　不会出现梯度消失

3.上采样，下采样是什么？

　　上采样就是放大图像，常用方法是内插值（传统插值，基于边缘的插值，基于区域的图像插值算法），下采样就是缩小图像。

4.激活函数定义？

　　

5.tensorflow的布尔类型和python的布尔类型不等阶，不能通用

　　

6. map()用法

7.round()用法

　　round(x,[,n])

　　x--数值表达式

　　n--数值表达式，表示小数点位数

　　返回值是浮点数x的四舍五入

8.回调函数和普通函数有什么区别

9. Python下划线区别

　　

　　

-----------------参考菜鸟驿站