动手学深度学习 - 5. 卷积神经网络

动手学深度学习 - 5. 卷积神经网络

动手学深度学习 - Dive into Deep Learning
Aston Zhang, Zachary C. Lipton, Mu Li, and Alexander J. Smola
https://zh.d2l.ai/

5. 卷积神经网络

卷积神经网络是近年来深度学习能在计算机视觉领域取得突破性成果的基石。它也逐渐在被其他诸如自然语言处理、推荐系统和语音识别等领域广泛使用。卷积神经网络中卷积层和池化层的工作原理，填充、步幅、输入通道和输出通道的含义。深度卷积神经网络的设计思路，包括最早提出的 AlexNet，以及后来的使用重复元素的网络 (VGG)、网络中的网络 (NiN)、含并行连结的网络 (GoogLeNet)、残差网络 (ResNet) 和稠密连接网络 (DenseNet)。虽然深度模型看上去只是具有很多层的神经网络，然而获得有效的深度模型并不容易。批量归一化和残差网络为训练和设计深度模型提供了两类重要思路。