目录
总纲
经典的网络
- LeNet-5
- AlexNet
- VGG
ResNet
Inception
一、经典网络
二、Residual Networks（ResNets）
一般前后维度设计成相同的，如果不同的话，那就添加一个w来设置成相同的维度
三、Inception
1×1网络：压缩信道
Inception的基本思想是：该网络不需要认为决定使用哪个过滤器，或是否需要池化，而是由网络自行确定这些参数，你可以为网络添加所有可能的值，然后把这些输出都连接起来，让网络自己学习它需要什么样的参数、采用哪一个滤波器
但是代价就是计算成本
如何计算计算量：
只要合理设置颈瓶层，那么既可以缩小运算规模，也不会降低网络性能
但是，Inception网络层如何做到代替人工来确定卷积层中的过滤器、确定是否需要池化层等等，这个是怎么做到的呢？？？等看论文的时候再去了解吧，网上都没有一个比较好的解释
四、使用开源的实现建议以及迁移学习
因为论文里面的参数很难调整，即使是专业的学生也是很难复制他人的成果。
但是很多人都会将自己的研究成果开源，那么找一个开源的代码来说就很不错！！！
迁移学习
不如从别人已经训练很久的权重的参数开始训练自己的权重！进展就会相当快！
如果你的数据集很小的话：
如果你的数据集表较大的话：
如果你有大量的数据的话：
五、数据增强
六、计算机视觉现状
