卷积网络（持续更新）

构建样本集

1. 统一样本（尺寸），固定输入 cv.resize()
2. 建立两个数据集分别存放训练集和测试集（零矩阵）
3. 构建网络
4. 训练网络
5. 测试网络

LeNet-5

1. 输入32X32的灰度图像，接入全连接层C1，6个5X5的卷积核，输出的特征图的尺寸的28X28，池化层S1 为2X2，做完池化为原图像的长和宽的一半。
2. C1,S1,C2,S2,C5,F6

优化网络
1.大样本训练缓慢（小样本）
3. 深度网络训练困难
4. 梯度消失和爆炸（梯度累积是朝反方向进行的，距离输入层近，初始值赋值过大，换激活函数）

数据–模型–决策（求解分析）
问题–数据（收集）
问题–模型（抽象）
问题–决策

定义问题与收集数据—数学建模—模型求解—优化后分析—模型检验–提出建议—决策–方案实施与观察

文献

【1】焦李成，深度学习、识别与优化
[2] python神经网络入门与实践