本文不會像科技**那樣，詳細囉嗦，而是按照解決問題的邏輯思路來寫，使得初學者有乙個全面的掌握。因為我也是在學習的過程中。本文就只用圖來說明，其他人已經寫的很多了，我只寫比較好看的。
這篇文章參考了吳恩達老師的網易公開課和相關的**資料，權當做個筆記，所以沒有講到的及新的知識會在後續跟上。現在各種網路結構氾濫，針對性越來越強，眼花繚亂，但是，我覺得基礎的東西是根本，博觀而約取。
一些重要的知識點：
（1）卷積的時候，如果影象是層（多通道）的，那麼卷積核也必須有多少層，在卷積的時候，將所有層進行對應位置元素乘積相加即可，例如，卷積核大小是3x3，層數為3層，共有3個不同卷積核，那麼卷積後輸出的結果是個3層的影象。
（2）池化是對每一層分別做池化，而不需要把每層的結果相加
（3）一般卷積、池化、卷積、池化的時候，卷積個數會越來越多，而卷積後的影象維度會越來越小。
（4）一般池化採用最大池化
（5）影象維度下降太快會影響效果
（6）所謂的層是指由引數的層，一般池化層的引數是固定的，不需要學習
（7）關於如何製作訓練資料集：旋轉，顏色加深活改變，翻轉，畸變、扭曲等
1、lenet-5網路
經典的lenet網路主要是針對灰度影象。因此有如下的網路結構圖。
深度學習 綜述前言
深度學習革命 近年來，深度學習 deep learning 直接嘗試解決抽象認知的難題，並取得了突破性的進展。深度學習引爆的這場革命，將人工智慧帶上了乙個新的台階，不僅學術意義巨大，而且實用性很強，工業界也開始了大規模的投入，一大批產品將從中獲益。深度學習在幾個主要領域都獲得了突破性的進展 在語音識...
深度學習 Deep Learning 綜述
深度學習是ml研究中的乙個新的領域，它被引入到ml中使ml更接近於其原始的目標 ai。檢視a brief introduction to machine learning for ai 和 an introduction to deep learning algorithms.這篇綜述主要是介紹一些...
Deep Learning 深度學習綜述
鏈結 deep learning yann lecun,yoshua bengio geoffrey hinton，nature，2015 深度學習發展得益於計算能力提公升和資料量的增長，無需人工設計特徵，深度學習通過bp 反向傳播 來顯示機器將會如何根據前一層的表徵改變來計算每層表徵的內部引數，使...