深度学习知识贴汇总（持续更新中）

1.如何理解 Graph Convolutional Network（GCN）？
2.如何通俗易懂地解释卷积？
3.attention机制
4.max pooling和average pooling
5.对角矩阵的性质
6.邻接表和邻接矩阵
7.图网络理论之AGCN
8.如何评价ST-GCN动作识别算法？
9.TCN(时间卷积网络）与CNN有啥区别？
10.C3D-network
11.LSTM
12.零次学习（zero-shot learning)
14.什么是 ablation study？
15.深度学习——优化器算法Optimizer详解（BGD、SGD、MBGD、Momentum、NAG、Adagrad、Adadelta、RMSprop、Adam）
16.什么是 end-to-end 神经网络？
17.卷积层参数细节计算
18.fast-rcnn 详解
19.Fast RCNN算法详解
20.论文分享
21.CNN卷积层神经元数量、连接数量、权重数量的计算
22.神经网络中偏置量的作用
23.经典CNN之：LeNet介绍
24.牛顿法与Hessian矩阵
25.对向量求导
26.机器学习中的数学基础
27.深度学习网络篇——NIN(Network in Network)
28.如何理解NIN网络中的mlpconv层
29.Maxout网络学习
30*在神经网络中weight decay起到的做用是什么？momentum呢？normalization呢？
30.图像的上采样与下采样
31.Traditional与Maxout与NIN方法
32.PSPNET
33.目标检测论文汇总