為了完善自己的學習系統，開始嘗試對知識進行盡可能的整理和完整的理解掌握。
先從比較經典的cnn開始，之前對深度學習cnn做過粗略簡單的入門介紹（深度學習入門的一些基礎知識(cnn篇)），接下來針對經典的卷積網路架構做乙個整理。
卷積神經網路(convolutional neural network, cnn)是人工神經網路的的一種，不單單是卷積層、池化層、全連線層的堆疊，掌握cnn網路除了要理解卷積神經網路，在實際的應用過程中更重要的是如何設計好乙個網路結構。
下面對幾個經典的卷積網路架構進行系統的介紹：包括**的解說、網路結構的解析、**的實現。
lenet5
alexnet
vgggooglenet
inception(v1,v2,v3)
resnet
inception v4
densenet
(其他：nin、caffenet、zfnet)
所有的**和筆記會一點點合併整理到我的github。
搬運幾張圖
cnn架構演變
卷積神經網路經典模型要點
六 resnet 2012年imagenet比賽分類任務的冠軍，top 5錯誤率為16.4 讓深度學習受到矚目。該網路輸入為2272273 原始資料為2242243,經過預處理變為227 由5個 卷積 relu pooling 和3個全連線層構成。為什麼將224預處理為227大小的影象 如果為 22...
深度學習筆記（27） 經典卷積網路
講了基本構建，比如卷積層 池化層以及全連線層這些元件 事實上，過去幾年計算機視覺研究中的大量研究都集中在如何把這些基本構件組合起來 形成有效的卷積神經網路 最直觀的方式之一就是去看一些案例 就像很多人通過看別人的 來學習程式設計一樣 通過研究別人構建有效元件的案例是個不錯的辦法 實際上在計算機視覺任...
神經網路架構整理
新的神經網路架構隨時隨地都在出現，dcign，iilstm，dcgan 神經網路通常都有很多層，包括輸入層 隱藏層 輸出層。單獨一層不會有連線，一般相鄰的兩層是全部相連的 每一層的每個神經元都與另一層的每個神經元相連 1.前向傳播網路 ff 或 ffnn 它們從前往後傳輸資訊 分別是輸入和輸出 神經...