L08｜中文 F3 學生的學習紀錄

角色設定：我是中三學生，只看得懂中文。Python 學過變數、for 迴圈和 list，數學讀到一元二次方程。我靠中文課程筆記、YouTube 自動翻譯字幕和查字典來學。Kaggle 筆記本的操作步驟，是依官方 notebook 流程寫下的練習紀錄。

我讀懂了什麼（用自己的話）

卷積就是拿一個小方格在圖片上一格一格滑，做相乘再加總，用來找出邊緣這類圖案。
第一層找線條，第二層把線條組合成角、圓，越後面的層看到越複雜的東西。
Max pooling 每四格留最大的一格，圖片變小但重要特徵還在。
Dropout 是故意讓模型「少看一些」，逼它不要只靠某幾個特徵。
嵌入學完之後可以拿來分析，例如找出大家都不太喜歡的電影。

我卡住的地方，和我怎麼解決

卡住的地方	我怎麼解決
卷積的輸出大小怎麼算	4×4 的圖，3×3 的核只能放在 2×2 個位置，所以輸出是 2×2；公式是 4 − 3 + 1 = 2。
Excel 卷積範例格子太多看不完	只看左上角一個位置，自己用紙筆算一次，再對照 Excel 的答案。
PCA 的原理完全不懂	課程說可以先當作「把很多數字壓成兩個數字來畫圖」的工具，原理留到以後。

練習作答

Q1. 4×4 圖片上兩列全是 0、下兩列全是 9。用卷積核 [[−1,−1,−1],[0,0,0],[1,1,1]]（不補邊）做卷積，輸出是幾乘幾？每格的值是多少？這個核在偵測什麼？

輸出 2×2。每個位置的 3×3 區塊上列是 0、中列 0、下列 9（或上列 0、中列 9、下列 9），算出來：(−1)×0×3 + 0 + 1×9×3 = 27。所以四格都是 27。它在偵測「上暗下亮」的水平邊。

Q2. 對矩陣 [[1,3,2,0],[5,4,1,1],[0,2,8,6],[1,1,3,7]] 做 2×2 最大池化，寫出結果。

左上 [1,3,5,4] 最大 5；右上 [2,0,1,1] 最大 2；左下 [0,2,1,1] 最大 2；右下 [8,6,3,7] 最大 8。結果 [[5,2],[2,8]]。

Q3. Dropout 的機率是 0.5 時，訓練中沒被設為 0 的值要乘以多少？為什麼？預測時要不要用 dropout？

要乘以 2（也就是 1 ÷ (1 − 0.5)）。因為一半的值被關掉，整體平均會變一半，放大兩倍才能讓平均跟沒有 dropout 時一樣。預測時不用 dropout，所有值都保留。

Q4. 一部電影的偏差（bias）很低，代表什麼？為什麼這比單看平均評分更有意義？

代表就算是喜歡這類型電影的人，也不太喜歡這部片。平均評分會受觀眾類型影響（例如只有恐怖片迷會看恐怖片），偏差已經扣掉了「誰在看」的影響，更能反映電影本身好不好。

Q5. 用自己的話說明：為什麼 CNN 第二層可以偵測比第一層更複雜的圖案？

第一層的卷積核直接看像素，只能找到簡單的線條和邊緣。第二層的輸入是第一層找到的特徵圖，所以它可以把「橫線＋直線」組合成「角」，再往後組合成眼睛、輪子這類更複雜的東西。

我的卡片盒筆記

卡片｜複雜的辨識能力，是一層層簡單特徵疊出來的

CNN 看圖的方式很像拼積木。第一層只會找直線和橫線，第二層把線組合成角和弧，再往後才組成眼睛、輪子、羽毛。每一層都很簡單，疊起來就能辨識複雜的東西。

這讓我想到羽毛球教練教殺球。教練不會一開始就叫我們跳殺，而是先練握拍，再練側身轉體，再練手腕發力，最後才把動作串起來。我以前總想直接學完整動作，結果每次姿勢都歪。後來照順序一層層練，殺球速度才真的變快。不過我覺得 CNN 和人的差別是，它的每一層是自己從資料學出來的，沒有教練幫它排順序，這點讓我很好奇它怎麼知道要先學線條。現在回頭看，教練的分解練習，其實就是在幫我們一層層建立動作的特徵。

這週我要做的小行動：用紙筆在 6×6 的格子圖上做一次垂直邊偵測，再到 Excel 驗證答案。

🔗 推薦產生關聯的筆記： → 學習方法類：「複雜技能要拆成可以單獨練習的小動作」 → 運動科學類：「動作鏈由下而上傳遞力量」 → 技術類：「深層網路的每一層都在重新描述上一層」

回到課程筆記：L08_卷積神經網路_202611041526