版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/yeyustudy/article/details/82874017
1、最大池化的作用：1）保持了平移不变性2）进行池化操作后，每一次卷积能覆盖更大的区域，即能提取更复杂的特征，增大了感受野。
2、理论上来说，cnn可以用于任何具有顺序的信息
3、在建立keras模型时，可以先从批量正则化开始，这样会先预处理输入数据
4、pseudo label：貌似是一种半监督的方法，取一部分数据进行训练得到伪标签，将这些伪标签与真实的标签结合在一起，对数据进行训练
5、元数据与协同过滤的类比：元数据就好比是通过调查问卷的结果来看喜欢的电影种类，而协同过滤是找到跟你相似的人，观察他们习惯的电影
6、进行模型迁移的时候，如果两者目的相似度较高，尽量训练少的参数，即尽量调整最后的几层，训练最后的几层全连接层甚至只训练最后一层即可；当观察训练结果，并没有出现过拟合现象的时候，可以保留模型的卷积层，重写全连接层，去掉其中的dropout操作，之后根据前后参数数量的变化重新复制权值，最后只训练这一部分即可；为了提高效果，在最开始进行数据增强处理，在后面的神经网络中加入批量正则化操作，复制权值后进行训练，训练的层越少越好。