1998， yann lecun 的 lenet5
影象特徵分布在整個影象上
在具有很少引數的多個位置上提取類似特徵時，具有可學習的引數的卷積是個比較有效的方法
在沒有應用gpu的時候，能夠儲存引數和計算就成了乙個關鍵優勢
lenet5並沒有把每個畫素都作為大型多層神經網路的乙個輸入，因為影象是高度空間相關的，如果用了這種方法，就不能很好地利用相關性
lenet5 的主要特徵：
2010， dan claudiu ciresan and jurgen schmidhuber 的 dan ciresan net
是比較早的gpu神經網路之一，在nvidia gtx 280圖形處理器上實現了9層神經網路的前向後向計算。
2012，alex krizhevsky 的 alexnet
是lenet的乙個更深和更廣的版本，可以用來學習更複雜的物件
alexnet 的主要特徵：
alexnet
2023年12月，yann lecun的紐約大學實驗室的 overfeat
是alexnet的衍生，提出了 learning bounding boxes
2015，牛津的 vgg
率先在每個卷積層中使用更小的 3×3 filters，並將它們組合成卷積序列
雖然小，但是多個3×3卷積序列可以模擬更大的接收場的效果
這個想法也在最近的inception和resnet網路中有所應用
2014，min lin, qiang chen, shuicheng yan 的 nin
2014，google christian szegedy 的 googlenet and inception
2023年2月，christian 團隊的 inception v2，2023年12月，inception v3
2015，kaiming he, xiangyu zhang, shaoqing ren, jian sun 的 resnet
這個網路繞過了2層，可以被看作乙個小的分類器，或者乙個nin
這也是第一次訓練了大於100甚至1000層的網路
在每一層，通過使用更小output的1x1卷積來減少特徵的數量，然後經過乙個3x3 層，接著又是乙個1x1卷積，這個方法可以保持少計算量，同時提供豐富的特徵組合
2016，françois chollet 的 xception
這個網路和 resnet and inception v4 一樣有效，而且用了更簡單優雅的結構
它有36個卷積階段，和resnet-34相似，不過模型和**和resnet一樣簡單，並且比inception v4更易理解
這個網路在 torch7／keras / tf 都已經可以應用了
mysql 時間軸 使用MySQL計算時間軸的變化
我是mysql的新手,我需要你的幫助.我有一張包含類似資料的 robotposx robotposy robotposdir robotshortestpath 0.1 0.2 15 1456 0.2 0.3 30 1456 0.54 0.67 15 1456 0.68 0.98 22 1234 0...
時間軸運動
截了一小段gif效果圖，如下 js 如下 function win,console.log timewdarr 計算時間差 var timediff function time1,time2 獲取時間段，並存入陣列 timedata.each function index,el console.lo...
時間軸外掛程式
這是一款可用於展示歷史和計畫的時間軸外掛程式，尤其比較適合一些 展示發展歷程 大事件等場景。該外掛程式基於jquery，可以滑動切換 水平和垂直滾動 支援鍵盤方向鍵。經過擴充套件後可以支援滑鼠滾輪事件。檢視演示 html 我們在body中建立乙個div timeline作為展示區，dates為時間軸...