origin url
| The First Column | The Second Column |
|---|---|
| VGG 网络结构 |  |
| Keras 中的 keep_prob | Dropout 的自由率 |
| IOU |  |
| 全连接层 |  |
| 全局平局池化 （Global Average Pooling) 与Fully Connected Lays |
 |
| VGG-16的全连接层 |  |
| fine_tuning classes 1000 -> classes 101效果 更差的原因 |
 |
| 多继承 |  |
| 接口 |  |
| 分类器 |  |
| 如何评价一个分类器 |  |
| AUC |  |
| AUC | ROC曲线下面的面积 |
| AUC | Area under curve |
| AUC | 模型对分类问题的预测结果都是概率， 如果要计算 |
| 全连接层到 损失层之间的计算 |
 |
| W | 全连接层的参数，也称为权值 |
| X | 全连接层的输入，也就是特征 |
| 全连接层 |  |
| softmax 公式 |  |
| softmax公式解释 |  |
| softmax 的3分类例子 |  |
| softmax loss |  |
| softmax loss 公式解释 |  |
| softmax Loss 的5分类例子 |  |
| cross Entropy 公式 |  |
| cross Entropy 公式解释 |  |