（）是建立在numpy基础上的高效数据分析处理库，是Python的重要数据分析库。

在神经网络里，将经过反向传播之后，梯度值衰减到接近于零的现象称作梯度消失现象

卷积神经网络的常用模块包括：卷积、池化、激活函数、批归一化、丢弃法

交叉熵损失函数的设计是基于最大似然思想：最大概率得到观察结果的假设是真的

卷积神经网络由多个卷积层和池化层组成，卷积层负责对输入进行扫描以生成更抽象的特征表示，池化层对这些特征表示进行过滤，保留最关键的特征信息

对于计算机视觉问题，效果最好的模型是经典的全连接神经网络

Sigmoid是早期神经网络模型中常见的非线性变换函数

经典的全连接神经网络中，隐含层的节点数是可以调整的，节点数越多，神经网络表示能力越强，参数量也会减少

经典的全连接神经网络中，隐含层可以增加网络深度和复杂度

经典的全连接神经网络来包含四层网络：输入层、两个隐含层和输出层

深度学习建模编写方式中，动态图模式（声明式编程范式，类比C++）：先编译后执行的方式。用户需预先定义完整的网络结构，再对网络结构进行编译优化后，才能执行获得计算结果