请问一下，老师说的每个像素点的值其实是有三个值（RGB）么？某个输入节点代表的是某一个像素点的某一个通道的值么？还请告知，多谢！

请问一下，1.彩色图片有三个通道的话，那么这三个通道（rgb）是怎么构成不同的颜色的？每个网格代表了三个维度

                    （三个输入节点么）？

                 2.感受野可以理解为第一个隐藏层每个神经元观测到网格数量的大小么？

老师请问，这个地方既然已经知道概率排序了，为什么还需要比较，直接选择E,F不就行了吗

老师请问，我无法调入这些方法，也是因为我的tensorflow版本的问题吗？老师用的是哪个版本？

SPP-Net  那里    先图像输入 卷积 在得到的特征图上选择 候选框 ，候选框有2000个 一个框的输出结果是21*256

关键是一张图有2000个框，输出结果应该是2000*21*256不是吗？

老师，请问top-N是代表预测的次数吗？

空间金字塔池化的时候，是对featrue maps(256通道)，每一个通道进行空间金字塔池化，再将这256个通道池化后的结果进行串联吧？

老师，文中提到的这些概率值，svn分类，会给每个样本的分类，给出一个概率值吗？

                                        这个有可以能为负数吗？

一般怎样初始化卷积核比较好，怎样赋给初始值？

从12层到7层，是需要7个卷积核吗？并且这7个卷积核，每一个有12个小矩形框，对输入的12层分别进行计算？

是3通道的图片，卷积核的个数，必须是3的整倍数吗？

老师，1.正例样本是候选框吗？

2.NMS之后，再取Top-N，假如取100个，那么这100个和128个正样本之间什么关系？

可以说，这100个就在正样本里面吗？如果在，为什么不直接向后传正样本里面的数据？

老师，这个小节里的代码资料里面没有，还有模型？

老师，这个acc下降，有没有可能是dropout+relu的结果？

或者训练集中有一些数据是极难分辨的，这些数据跑上连续几个batch把整个调偏了？把batch_size调大一些会好吗？