Table of Contents

• • 可视化
  • CNN系列模型
  • 概念
    • 卷积和反卷积
  • 9 大主题卷积神经网络（CNN）的 PyTorch 实现

Tensorflow 2.0 手写全连接MNIST数据集（理论+实战）
TensorFlow 2.0 (五) - mnist手写数字识别(CNN卷积神经网络)
大白话讲解卷积神经网络工作原理 视频
大白话讲解卷积神经网络工作原理

什么是CNN？写给小白的机器学习入门贴，Facebook员工打造，47k访问量

CNNs，第1部分:卷积神经网络简介-原文

卷积神经网络

12种Dropout方法：应用于DNNs，CNNs，RNNs中的数学和可视化解释

写给程序员的机器学习入门 (八) - 卷积神经网络 (CNN) - 图片分类和验证码识别

可视化

卷积可视化

网站：三维可视化卷积神经网络

3D模型可视化框架

TensorSpace 是一款3D 模型可视化框架
官网链接：

https://tensorspace.org/

Github链接：

https://github.com/tensorspace-team/tensorspace

CNN系列模型

1. LeNet
2. AlexNet
3. VGG
4. GoogLeNet
5. ResNet
6. DenseNet
7. Non-Local Networks
8. Deformable Convolutional Networks
9. Dilated Convolutional Networks
10. SENET
    CNN系列模型发展简述（附github代码--已全部跑通）

github代码依赖：
python 2.7, Pytorch 0.3.1
https://github.com/liuyuemaicha/cnn_model

概念

卷积和反卷积

一文搞懂CNN中的卷积和反卷积
写给程序员的机器学习入门 (八) - 卷积神经网络 (CNN) - 图片分类和验证码识别
卷积(Convolutional)：卷积在图像处理领域被广泛的应用，像滤波、边缘检测、图片锐化等，都是通过不同的卷积核来实现的。在卷积神经网络中通过卷积操作可以提取图片中的特征，低层的卷积层可以提取到图片的一些边缘、线条、角等特征，高层的卷积能够从低层的卷积层中学到更复杂的特征，从而实现到图片的分类和识别。

反卷积：反卷积也被称为转置卷积，反卷积其实就是卷积的逆过程。大家可能对于反卷积的认识有一个误区，以为通过反卷积就可以获取到经过卷积之前的图片，实际上通过反卷积操作并不能还原出卷积之前的图片，只能还原出卷积之前图片的尺寸。那么到底反卷积有什么作用呢？通过反卷积可以用来可视化卷积的过程，反卷积在GAN等领域中有着大量的应用。

9 大主题卷积神经网络（CNN）的 PyTorch 实现

https://github.com/shanglianlm0525/PyTorch-Networks

1. 典型网络

2. 轻量级网络

3. 目标检测网络

4. 语义分割网络

5. 实例分割网络

6. 人脸检测和识别网络

7. 人体姿态识别网络

8. 注意力机制网络

9. 人像分割网络