深度学习模型

主要介绍：ANN CNN AlexNet ResNet GoogleNet VGG RNN  LSTM  GRU

（先占个坑 后续有时间会补充）

（0）ANN：包括输入层、若干个隐藏层和输出层。层与层直连，如下图是一个三个输入一个输出，三层隐藏层，共四层的神经网络。

（1）CNN：包括输入层、卷积层、池化层、全连接层、输出层。卷积层和池化层需要借助与滤波器的卷积求得输出，全连接层转换成神经网络的形式输出。

（2）AlexNet

（3）ResNet

（4）GoogleNet

（5）VGG

（6）RNN：各层参数共享，h是隐藏层，使用相同的权重参数，输入x(t-1)x(t)x(t+1)...序列，输出y(t-1)y(t)y(t+1)...序列

（7）LSTM：由于RNN参数共享存在的梯度消失问题设计LSTM。通过设计门电路的方式是网络能够选择性的记忆和忘记。

（8）GRU：是LSTM的一种变体，简化了LSTM网络，工程上用的较多。将忘记门和输入门合并为更新门。