先送福利：Go如何自动解压缩包？|文末送书Docker如何在Docker容器内部访问主机上的服务？可以通过设置主机网络模式，使用--net=host参数来访问主机上的服务。这样，容器和主机将共享一个网络命名空间，容器将可以直接访问主机上的服务。如何在Docker容器中运行多个进程？Docker推荐每个容器只运行一个进程。如果需要在容器中运行多个进程，可以使用supervisord等进程管理工具来管理多个进程。如何在Docker容器中使用环境变量？可以通过在Dockerfile中使用ENV指令定义环境变量，或者使用dockerrun命令的-e选项来设置环境变量。在容器内部，可以使用$ENV_NA

先送福利：Go如何自动解压缩包？|文末送书Docker如何在Docker容器内部访问主机上的服务？可以通过设置主机网络模式，使用--net=host参数来访问主机上的服务。这样，容器和主机将共享一个网络命名空间，容器将可以直接访问主机上的服务。如何在Docker容器中运行多个进程？Docker推荐每个容器只运行一个进程。如果需要在容器中运行多个进程，可以使用supervisord等进程管理工具来管理多个进程。如何在Docker容器中使用环境变量？可以通过在Dockerfile中使用ENV指令定义环境变量，或者使用dockerrun命令的-e选项来设置环境变量。在容器内部，可以使用$ENV_NA

目录一，滤波器与卷积核二，卷积层和池化输出大小计算2.1，CNN中术语解释2.2，卷积输出大小计算（简化型）2.3，理解边界效应与填充padding参考资料三，深度学习框架的张量形状格式四，Pytorch、Keras的池化层函数理解4.1，torch.nn.MaxPool2d4.2，keras.layers.MaxPooling2D五，Pytorch和Keras的卷积层函数理解5.1，torch.nn.Conv2d5.2，keras.layers.Conv2D5.3，总结六，softmax回归七，交叉熵损失函数7.1，为什么交叉熵可以用作代价函数7.2，优化算法理解八，感受野理解8.1，感受野

目录一，滤波器与卷积核二，卷积层和池化输出大小计算2.1，CNN中术语解释2.2，卷积输出大小计算（简化型）2.3，理解边界效应与填充padding参考资料三，深度学习框架的张量形状格式四，Pytorch、Keras的池化层函数理解4.1，torch.nn.MaxPool2d4.2，keras.layers.MaxPooling2D五，Pytorch和Keras的卷积层函数理解5.1，torch.nn.Conv2d5.2，keras.layers.Conv2D5.3，总结六，softmax回归七，交叉熵损失函数7.1，为什么交叉熵可以用作代价函数7.2，优化算法理解八，感受野理解8.1，感受野