拾年之璐

本文主要内容：1.1 卷积神经网络的发展史1.1.1 CNN的发展：1.1.2 CNN的应用（当前：ConvNets are everywhere）1.2 全连接层1.2.1 全连接层1.2.2 BP神经网络示例：利用BP神经网络做车牌数字识别1.3 卷积层1.4 池化层1.1 卷积神经网络的发展史卷积神经网络：CNN，Convolutional Neural Network雏形：Lecun的LeNet(1998)网络结构：

本文主要内容：2.1 误差的计算2.1.1 示例：2.1.2 Cross Entropy Loss交义熵损失2.1.3 回到前面的示例2.2 误差的反向传播2.3 权重的更新2.1 误差的计算2.1.1 示例：下面以一个三层的BP神经网络为例进行讲述，如下图：参数讲解：左侧为输入层，有两个参数：x1 和 x2 。中间的带有σ的表示隐层。W11(1) 中，下标的第一个1，表示上一层的第几个节点，第二个1，表示当前层的第几个节点。上标表示当前是第几层。σ 表示激活函数。b1

本文主要内容：3.1 LeNet网络结构3.2 搭建LeNet网络（model.py）3.3 数据集（CIFAR10）3.4 训练模型（train.py）3.5 预测模型（predict.py）3.6 附录附录1：model.py 带详细注释源码附录2：train.py 带详细注释源码附录3：model.py 带详细注释源码本文代码来自PyTorch官网的一个60分钟简单入门教程之——训练一个的分类器实现教程，并对源码进行了非常详细的分析注释。链接：https://pytorch.org/tutori

本文主要内容：4.1 AlexNet的产生4.2 AlexNet的亮点4.3 AlexNet的网络详解1、卷积层 `Conv1` ：2、最大池化下采样 `Maxpool1`3、卷积层 `Conv2`4、最大池化下采样 `Maxpool2`5、卷积层 `Conv3`6、卷积层 `Conv4`7、卷积层 `Conv5`8、最大池化下采样 `Maxpool3`9、最后3个全连接层 `FC`论文原文：http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1

本文主要内容：1. AlexNet网络架构2. 搭建AlexNet网络模型（model）3. 数据集的下载与处理（5类花卉数据集）4. 训练模型（train）5. 预测模型（predict）6. 附录附录1：model_AlexNet.py 带详细注释源码附录2：train_AlexNet.py 带详细注释源码附录3：predict_AlexNet.py 带详细注释源码1. AlexNet网络架构在原论文中，AlexNet的网络结构是这样的：

本文主要内容：1. VGGNet简介2. VGG网络详解3. VGG网络的亮点1. VGGNet简介在AlexNet网络（Krizhevsky等，2012）的基础上，牛津大学的著名研究组VGG（Visual Geometry Group）在2014年提出了一个新的网络，在论文中称为 very deep convolutional networks ，因为其网络层达到19层。后来称之为VGG网络。VGG网络获得了当年(2014年) lmageNet 竞赛中 Localization Task(定

在上一篇文章（点击此处访问）中，我们对VGGNet的官方架构进行了详细分析。 本文，将基于VGGNet架构的分析，编码实现此模型，并结合具体的花分类数据集，进行训练和预测。本文主要内容：1. VGGNet架构2. 搭建VGGNet网络模型（model）3. 数据集4. 训练模型（train）5. 预测模型（predict）6. 附录：model_VGGNet.py 带详细注释源码1. VGGNet架构首先，VGG网络的架构，如下图所示：接下来，我们将实现上图6个模型中的 A、B、D 和 E .

本文主要内容：1. GoogLeNet简介2. GoogLeNet亮点3. GoogLeNet架构3.1 GoogLeNet架构简介3.2 Inception模型详解3.3 辅助分类器（Auxiliary Classifier）3.4 GoogLeNet架构详解1. GoogLeNet简介GoogLeNet由Google团队，在2014年提出（与 VGGNet 同一年），并斩获当年ImageNet竞赛的分类任务（Classification Task）第一名（第二名是VGGNet）。G

在上一篇文章（点击此处直达）中，我们对GoogLeNet的官方架构进行了详细分析。本文，将基于GoogLeNet架构的分析，编码实现此模型，并结合具体的花分类数据集，进行训练和预测。本文主要内容：1. GoogLeNet架构2. 搭建GoogLeNet网络模型（model）3. 数据集4. 训练模型（train）5. 预测模型（predict）6. 附录：model_GoogLeNet.py 带详细注释源码1. GoogLeNet架构GoogLeNet网络架构的简图，如下所示：GoogLeN.