谷歌师兄的leetcode刷题笔记-iknow:我的第一个个人作品！学前端的时候2个月就完成了

谷歌师兄的leetcode刷题笔记可视化卷积神经网络 卷积神经网络 (CNN) 和其他深度网络在从图像分类到对象检测的各种计算机视觉任务中实现了前所未有的突破。 虽然这些深度神经网络能够实现卓越的性能，但它们缺乏可分解为直观和可理解的组件的能力，这使得它们难以解释。 例如，对于任意输入图像，网络可以为您提供预测。 但是，为什么他们预测他们所预测的？ 为什么网络认为这张图片是猫，另一张是狗？ 当网络出现故障时，如何解释原因？ 再比如，与猫和狗相比，飞机和鸟类的分类更容易。 （可以在这里练习，从左上角的DATA列中选择一些猫和飞机的样本，点击播放观察分类的准确性。 如何使用这个网站？ 如果你用过谷歌的 Tensorflow Playground，对，我那可怜的网站只是卷积神经网络的一个版本（Tensorflow Playground 很有趣，他是我的榜样）。 从 DATA 列中选择一些样本，或上传一些图像作为样本。 选择要在 HIDDEN LAYERS 中可视化的过滤器数量。 点击播放按钮提交计算（过滤器越多计算时间越长，过滤器数量不影响预测结果）。 计算完成后，Grad-CAM 图像将显