实习期间学到了很多东西，觉得总结一下可以让自己以后方便回顾知识点
1.用SqueezeNet跑了猫狗大战的二分类
2.系统学习了语义分割（FCN）的相关知识，看了很多FCN相关论文，主要是DeepLab v2，改了一些代码，git上面deeplab上面没有加crf，加上以后改进巨大
3.复现了一个美学评价算法，这篇论文是一个博士和Adobe合作写的，主要知识点是多标签和用CNN实现回归，用了其他模型以后效果比论文提升不少
http://blog.csdn.net/qq_21275321/article/details/77161311
4.系统学习了ImageCaption相关知识，论文主要看了AK大神的和Google的NIC，源码就是AK的neutraltalk，neutraltalk2，和Google的im2txt，im2txt在tensorflow上跑了训练模型，其余两个分别是Python实现和torch7实现，跑了inference。
5.学习了目标检测相关知识，主要是看RCNN，Fast RCNN，Faster RCNN，具体论文没有看，看的是博客上面的解析和cs231 winter2016里面的相关课程，Faster RCNN有RBG大神的python实现，用的是caffe，改了inference，实现一张图同时显示多个类的框框，跑了inference
6.实现了不良图片的监测，共包括五类，分别是：色情、政治、性感、恐怖主义和正常，使用的是TensorFlow里面的slim实现的Inceptionv3模型。
7.研究了一些图像风格迁移的论文，把研究结果写成了机器学习的数学基础的大作业,对GAN有了初步的了解。
8.蒸馏模型的学习（模型压缩的方法）
9.爬虫
10.softNMS(非极大值抑制)
以上内容有机会单独更新和讲解，包括环境配置和代码的修改及运行。