再探宝可梦分类器现实结果的好坏取决于sample到什么样的资料有时候sample到好的资料那么理想跟现实就会接近有时候sample到不好的资料那么理想跟现实就会遥远。想让理想跟现实接近就要找到一个具有代表性的Dtrain。一般化原理即当训练资料的数目越大sample到坏资料的几率越低可选择的function数目越小sample到坏资料的几率也越低。但是当function很小的时候虽然理想跟现实接近但是理想表现会更差。卷积神经网络CNNCNN中会设定一个区域叫做receptive field 每一个neuron都只关心自己的receptive field里面发生的事情而不用关心整张图片里的事情。receptive field之间是可以彼此重叠的或者同个receptive field可以有多个neuron。kernel size一般指的是长和宽不包括深度stride为几即移动几格当receptive field范围超出影像之外就可以padding同样的pattern可能会出现在图片的不同位置因此用到共享参数。每一个receptive field都只有一组参数即为filter。Fully Connected Layer弹性最大可以决定要看整张图片还是一个小范围把weight设为0加上receptive field只能看一个小范围弹性变小加入共享参数后参数只能一模一样弹性进一步减小对于每个filter从左上角开始依次相乘相加得到一组数字每个filter重复上述操作就得到feature map。filter的高度就是它要处理的影像的channelconvolution往往会搭配pooling来使用pooling的作用就是channel不变而把图片变小一点比如4*4的图片变成2*2的flatten把图片里原来排列成矩阵的东西拉直CNN21年存在的问题无法解决图片放大缩小以及旋转等问题。