学习卷积神经网络后的一些心得

学习卷积神经网络后的一些心得

今年2月份入手机器学习，学习机器学习两个月后开始进入卷积神经网络阶段，并由此对计算机视觉起了较大的兴趣。通过后面这几个月对于卷积神经网络有一些心得，由于是初步了解，可能说的有些不全面或者不完善的地方，望谅解。
1.卷积网络入门其实没有想象的那么难，但是越往高处走越来越需要我们去细心琢磨。
2.在卷积神经网络中，有必要去深入了解一些经典的卷积神经网络。由浅入深，例如：LeNet、AlexNet、VGG16、Inception网络、ResNet网络等等
3.在了解这些网络的时候应该多考虑别人为什么要这么做，这样做又什么好处。例如VGG16中又大量的33卷积核，加入较多的33卷积核在感受野不变的情况下能够缩小模型参数量。
4.在学习卷积神经网络的过程中，应该较多的做好一些实践，这样不仅仅能够让你更加深入的去理解网络的构成流程而且能让你产生更大的兴趣去学习去钻研
5.在学习卷积网络的过程中，应该适当的去修改一些经典网络，看看在修改过后有什么的不同，在从这些不同的地方吸取一些教训，然后在以后碰到类似的问题的时候能够有一些经验

刚入手CSDN博客，这也是第一篇简短的文章，希望在分享的同时也能够增加自己的动力和对自己的一些总结。总的来说卷积神经网络是一个非常有趣的东西，值得我们去学习，目前正在学习目标检测方面的知识，也希望借此平台能够多多交流。机器学习萌新一枚，望谅解！