关于Visualizing and understanding convolutional networks的一次报告

我就直接上传我做的ppt以及ppt的讲义吧，可能有些混乱，权当参考。如果有问题可以留言讨论。

好像只能有传资源的模式，如果没有积分可以直接私信我邮箱，我发给你。
ppt+讲义下载

关于这次报告陆陆续续也找了不少资料，但是还存在一点疑问：
究竟文字的deconv方法是在重构input（x）还是在求y对x的偏导？

有意思的地方是在cs课程里面，将deconv方法和bp的梯度进行了对比，如图：

我们可以看出deconv肯定不是bp的，他们的不同在于，a=f(z) 在进行梯度的时候反向乘以的是f'(z) 而deconv则是对传回来的梯度进行relu。课程中给出的解释是通过正**，抑制负**。

这里的正**就是传回来的数值是正数，负**是负数。 可是对于正**和负**的解释，我还有些疑惑。正导数好像只能说明梯度递增？为什么他能够代表着x**了y？

而且进一步这里的对比是说明了deconv是对计算偏导的一种改进方法嘛？也就是说deconv也是在算怎样的x最大**了y?
但是论文中不断地提到了reconstructions一词，而且可视化的结果也很像x中的某一块。

总的来说论文有很多我觉得没有说清楚的地方~也有可能是我没有看明白，但是这篇论文的学习可能就到此为止了。

下面给出一个code链接，是我觉得比较简单的，keras实现的。code参考

希望有大牛可以告知一下我的疑惑，谢谢了~~