60块钱不算便宜 不过相对于美国那边的书价 算便宜的啦

有区别吗？

@竞天问 当然有区别，dot 运算不满足交换律。

@xwklwwlf 点乘？

@竞天问 应该是就是矩阵的 点乘。

@xwklwwlf 矩阵的点乘是两个矩阵对应位置元素的乘积构成新矩阵，也是可交换的啊

具体得看 X 的表示形式吧，代码实现要根据实际情况来，理论推导就可以宽松些。

@竞天问 dot 就是《高等代数》上的矩阵相乘，不能交换的。

@xwklwwlf 具体要看output是什么形式，input和W又是什么形势嘛，字母一样，不一定内容一样。比如假设前一个的output是列向量，那么对应的input也是列向量；第二个的output是行向量，input就也是行向量，W则是第一个公式中W的转置。没有前置条件就没有可比性嘛，毕竟两个地方的变量只是名字一样而已

我是这样理解的，第一层的3*3可以看到输入中的3*3大小的内容，第二层的3*3可以看到输入中的5*5大小的内容，第三层的3*3可以看到输入中的7*7大小的内容，越往后的层，越能看到图像的空间结构

您好，PDF目录空格已统一，您可重新下载PDF，祝您阅读愉快。

f = open(os.path.join(glove_dir, 'glove.6B.100d.txt'),encoding='gbk',errors='ignore')，加上encoding和error就不报错了。

会报错吗？我运行的时候没有报错。你试试我的脚本（注意改下相关路径和图片）
from keras.applications.vgg16 import VGG16
from keras import backend as K
model = VGG16(weights='imagenet')

from keras.preprocessing import image
from keras.applications.vgg16 import preprocess_input, decode_predictions
import numpy as np
img_path = 'E:\\test_data\\dog_cat\\test\\cats\\cat.1502.jpg'
img = image.load_img(img_path, target_size=(224,224))
x=image.img_to_array(img)
x=np.expand_dims(x, axis=0)
x=preprocess_input(x)

preds = model.predict(x)
print('Predicted:', decode_predictions(preds, top=10)[0])
print(np.argmax(preds[0]))
cat_output = model.output[:, 285]

last_conv_layer = model.get_layer('block5_conv3')
grads = K.gradients(cat_output, last_conv_layer.output)[0]
pooled_grads = K.mean(grads, axis=(0, 1, 2))
iterate = K.function([model.input], [pooled_grads, last_conv_layer.output[0]])
pooled_grads_value, conv_layer_output_value = iterate([x])
for i in range(512):
conv_layer_output_value[:,:,i] *= pooled_grads_value[i]

heatmap = np.mean(conv_layer_output_value, axis=-1)

import matplotlib.pyplot as plt
heatmap = np.maximum(heatmap, 0)
heatmap /= np.max(heatmap)
plt.matshow(heatmap)
plt.show()

import cv2
img = cv2.imread(img_path)
heatmap = cv2.resize(heatmap, (img.shape[1], img.shape[0]))
heatmap = np.uint8(255*heatmap)
heatmap = cv2.applyColorMap(heatmap, cv2.COLORMAP_JET)
superimposed_img = heatmap * 0.4 + img
cv2.imwrite('E:\\Anaconda3\\deeplearn\\test\\cat1513_cam.jpg', superimposed_img)