CNN
深度学习-CNN提取图像特征
深度学习-CNN提取图像特征_知识搬运工的博客-CSDN博客_cnn特征提取
CNN（卷积神经网络）最早是哪一年提出，是如何发展的？
CNN（卷积神经网络）最早是哪一年提出，是如何发展的？ - 知乎
cnn是如何提取特征的？
刘建平先生的cnn博客
如何将卷积神经网络应用在一维时间序列数据上？
如何设计CNN网络架构资料汇总
如何设计CNN网络架构资料汇总_漂洋过海的油条的博客-CSDN博客
CNN 网络应该如何设计？
关于CNN图像分类的一份综合设计指南
https://segmentfault.com/a/1190000014793497
cnn从理论到实践的笔记
通过卷积计算的理论结合pytorch的 nn.conv2d进行解读，并且咱们彻底搞懂nn.conv2d使用。
通过卷积层和池化层后输出大小怎么得出,
通过卷积层和池化层后输出大小怎么得出_GoGoingB的博客-CSDN博客_卷积层和池化层输出大小
要不是特别大的网络需要用公式去计算，平时自己用原理去推也行～
卷积动态图
nn.Conv2d卷积
nn.Conv2d卷积_落地生根-CSDN博客_nnconv2d
torch.nn.Conv2d() 用法讲解//（不得不说，讲的很好）
torch.nn.Conv2d() 用法讲解_分享日常的学习，开展的项目，编写的软件，解决的问题等~-CSDN博客_conv2d
Pytorch 中nn.Conv2d的参数用法 channel含义详解//关于group的使用（不得不说，讲的很好）
Pytorch 中nn.Conv2d的参数用法 channel含义详解_忽逢桃林的博客-CSDN博客_conv2d参数 pytorch
pytorch的conv2d函数groups分组卷积使用及理解
pytorch的conv2d函数groups分组卷积使用及理解_HappinessSourceL的博客-CSDN博客_conv1d groups
pytorch之torch.nn.Conv2d()函数详解//关于group、dilation、channel的使用（不得不说，讲的很好）全是细节
pytorch之torch.nn.Conv2d()函数详解_夏普通-CSDN博客_torch.nn.conv2d
以上链接一定都要看完，可以有个很清楚的理解。
对比keras和pytorch框架呢，确实发现keras虽然调用方便很好理解，但是在一些cnn的网络细节调节上有很大的不便比如分组卷积group（参数groups——分组卷积）、参数dilation——扩张卷积（也叫空洞卷积）
欠采样（undersampling）和过采样（oversampling）会对模型带来怎样的影响？
欠采样（undersampling）和过采样（oversampling）会对模型带来怎样的影响？ - 知乎
14种模型设计帮你改进你的卷积神经网络（CNN）
14种模型设计帮你改进你的卷积神经网络（CNN）_jiangziya1221的博客-CSDN博客_卷积神经网络改进
什么是feature map（个人理解）
什么是feature map（个人理解） - 小孢子 - 博客园
动手学深度学习2——二维卷积层（回头看）
动手学深度学习2——二维卷积层_123梦野的博客-CSDN博客
神经网络学习小记录20——ResNet50模型的复现详解
神经网络学习小记录20——ResNet50模型的复现详解_Bubbliiiing的学习小课堂-CSDN博客_resnet50
Resnet50详解与实践（基于mindspore)
Resnet50详解与实践（基于mindspore) - 知乎
经典CNN结构简析：AlexNet、VGG、NIN、GoogLeNet、ResNet etc.
经典CNN结构简析：AlexNet、VGG、NIN、GoogLeNet、ResNet etc. - 知乎
请问深度学习中“激活”神经元的数值含义是什么？
最近刚开始看cv方面的深度学习，想请教一下论文中经常提到的“激活”了某个神经元是什么意思呢。是不是设定了某个阈值，神经元输出大于此阈值表示被“激活”，反之则没有被激活
ReLU激活函数最符合你的描述——大于零的留下相当于被激活，否则一律为零，简单粗暴。
激活函数还有tanh——双正切函数，取值范围［-1，1］；sigmoid——S形函数，取值范围［0，1］……
激活神经元的数值含义可以先不用去管它，引入激活函数是为了去线性化，增加神经网络的拟合能力。神经网络如果没有激活函数，全连接层再多也可以被简化。
数值含义的话可以这样理解:不同的数值代表不同的信号强度，而信号经过激活函数后会被加强、不变或者减弱。
机器学习中正则化项L1和L2的直观理解
机器学习中正则化项L1和L2的直观理解_小平子的专栏-CSDN博客_l2正则
深入理解L1、L2正则化
刘建平先生的正则化：DNN的L1&L2正则化
范数
都知道正则化是可以防止过拟合的功能，但怎么去解释却是个头疼的问题。
145
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
