卷积神经网络（Keras）修改学习率：

利用tensorflow的Keras模块我们可以建立我们自己定义的卷积神经网络模型，但是一般不会触碰到学习率这个问题，一般默认的学习率都是0.001

激活层

dropout大致步骤，使用方法：

dropout 是神经网络用来防止过拟合的一种方法，很简单，但是很实用。

基本思想是以一定概率放弃被激活的神经元，使得模型更健壮，相当于放弃一些特征，这使得模型不过分依赖于某些特征，即使这些特征是真实的，当然也可能是假的。

深度学习(3)损失函数-交叉熵(CrossEntropy)

简单的交叉熵损失函数，你真的懂了吗？

 因为我的项目是二分类问题，由于交叉熵损失函数的log特性，损失函数越大，惩罚越严重

 relu函数的k值为1，所以不会出现梯度爆炸或者梯度消失

深度神经网络的梯度不稳定问题--梯度消失与梯度爆炸

反向传播——通俗易懂

关于ssm

 分类层（回归函数）

用的是softmax，

卷积神经网络的分类层-softmax和sigmoid