2.1为什么要进行实例探究
（1）就跟学编程一样，先看看别人怎么写的，可以模仿。
（2）在计算机视觉中一个有用的模型，，用在另一个业务中也一般有效，所以可以借鉴。
（3）本周会介绍的一些卷积方面的经典网络经典的包括：LeNet、AlexNet、VGG；流行的包括：ResNet、Inception，如下图：
2.2经典网络
（1）LeNet-5网络结构如下图所示：
（2）在LeNet-5中的一些注意点：网络输入单通道的，大概有6万个参数，池化用的是平均池化而不是最大值池化，还没有用到padding，输出也不是现在的softmax，激活函数用的是sigmoid和tanh。综上可以看出来许多设置在今天看来都是不合适的了，说明网络在发展。
（3）AlexNet网络结构如下图所示：
（4）AlexNet与LeNet-5有非常多相似之处，但前者的网络更深更大，参数达到6000万，同时使用了Relu激活函数。
（5）VGG-16网络结构如下图所示：
（6）VGG-16网络的说明：16代表卷积层加全连接层一共16层，图中的×2表示连续两次相同的卷积，所有卷积padding都是用了same，卷积核的个数都是成倍增加，而高宽刚好对半减小，真个网络非常简洁优美，网络参数非常多达到了1.38亿各参数，在今天看来依旧是非常大的网络。
2.3残差网络（Residual Networks（ResNets））
（1）一般正常的网络会进行如下操作：
（2）然后将a[l]传到下下层的激活函数之前，即进行如下计算，就得到了残差块：
（3）以下是一个有五个残差块的网络：
（4）残差网络克服了网络很深时存在的梯度消失或爆炸的问题。
（5）下图展示了普通网络和残差网络随着网络深度训练误差的变化，普通网络由于网络很深之后难以训练所以训练误差变大了。
2.4残差网络有什么用
（1）因为残差网络很容易学习恒等式函数，所以随着网络加深，至少不会让网络变差。如下图中添加了两层，使用Relu激活函数，当W[l+2]，b[l+2]都为0时，输出还是和不添加这两层的结果一样，都是a[l]，这就是学习恒等式。
（2）另个一需要讨论的问题就是维度匹配问题，当z[l+2]和a[l]相同时，可以直接相加，如果不同时需要在让a[l]与矩阵Ws相乘，Ws的维度为（a[l+2],a[l]），如下图所示：
2.5网络中的网络以及1×1卷积
（1）1×1计算示意图如下所示：
（2）作用：首先相当于把一个点的所有通道进行了全连接操作；其次是起到压缩通道的作用（最重要的作用），或者保持不变，如下图所示。
2.6谷歌Inception网路简介
（1）构建卷积层时，你要决定使用多大的卷积核（如1×1,3×3,5×5等）或者要不要添加池化层，而Inception网络的Inception层作用就是它将替你做决定。
（2）下面就是一个典型的Inception模块的示意图：
（3）用1×1卷积核来构建瓶颈层可以大大减少计算量：
首先是没有添加1×1卷积核如下图所示，由于加法的运算次数和乘法运算次数接近，所以这里只求乘法的计算次数：（5*5*192）*（28*28*32）=1.2亿
添加了卷积核之后，如下图所示，整个的输入输出是没有发生改变的，乘法计算量为（1*1*16）*（28*28*16）+（5*5*16）*（28*28*32）=1240万。只有上面的十分之一。所以计算量减少了很多，同时只要合理构建，不会影响网络性能。
2.7Inception网络
（1）下面是Inception的一个单元，需要注意的是池化时保持尺寸不变，同时池化不能改变通道数导致通道特别多，所以在其后面添加了1×1卷积核压缩通道。
（2）下面是一个完整的Inception网络，其中可以看到有一些分支，他们同样可以做最终输出预测，这样做是为了防止过拟合。
2.8使用开源的实现方案
（1）在GitHub上找资源，然后在此基础上进行开发，会有更快的进展。
2.9迁移学习
（1）下载别人的模型，以前预训练的权重来初始化，同时将输出层根据自己的需要来修改，比如说分三种类别（已经包括其它了），那么输出为3个单元的sotfmax。如下图所示：
（2）冻结别人训练好的参数，在深度学习框架中可能参数是trainableParameter=0，或者freeze=1等，视实际框架而定。
（3）一个重要技巧是：数据量少时只训练最后一层，这时可以将图片输入，然后将最后一层前的输出存到硬盘中，因为这些值是不会改变的。然后在用这些值作为输入训练最后一层，这样不要每次都经过前面的网络，训练会大大加快。
（4）当数据量越来越大时，从后往前可以训练更多的层，极端情况下是所有层的参数都参与训练。
2.10数据扩充
（1）镜像、随机裁剪、旋转、剪切、扭曲
（2）色彩转换（如给一些通道加值）
（3）在实际使用过程中可以使用多线程，一些线程从硬盘中取出数据，然后进行数据扩充，再传入其他线程进行训练，这样就可以并行实现了。
2.11计算机视觉现状
（1）对于计算机视觉而言，其实当前的数据量是远远不够的，所以需要设计出一些更复杂的网络，以及人工去调整非常多的超参数，其本质都是因为数据量不够；假设数据量非常够的时候，网络也好，超参数也好都可以使用更简单的架构和调整。
（2）再次强调多多使用迁移学习，站在巨人的肩膀上。另外如果要自己设计研究全新的网络可能需要自己从头开始训练。
（3）为了在竞赛中取得好成绩，常常是以巨大的计算量为代价的（如用多个网络计算输出取平均），这在实际应用中不太实用。
原文地址：https://www.cnblogs.com/ys99/p/9320781.html