深度學習問題記錄：Building your Deep Neural

深度學習的學習是從簡單到複雜，做簡單的網路堆疊是為了獲得一種“直覺”。
這種直覺可以幫助調參和debug。類似於《資本論》要從最基本的商品交易開始討論。
更高的洞察力是

• 對於沒有學習過的關聯進行比較，模擬“象”。
• 還有要反推。“A賣東西付錢”推匯出“A賣東西收到錢"
• 對於學到的要懷疑，可信度99%不是好事，永遠可信度最高在90%，留下10%的懷疑
  ..........
  深度學習模型學習的是事物之間的關聯，人類的學習也是在學習關聯。老師上課教授的知識，其實就是關聯。老師把這種關聯分析的越清楚，這個老師講課就越好。
  除了關聯還要有”nodes",節點就是學習到的“資料”。（這裡不好表述清楚）
  分散的學習知識是很大的浪費。但是分散的知識可以產生創造力。dropout模仿了人類的隨機遺忘。類似可以在深度學習中根據情況隨機復活一些“神經元”。
  深度學習是要像哲學一樣把提取到的客觀規律反映成模型。建模一直都是在模擬現實生活。