一、深度学习基础解析
这个系列会做一些深度学习基础技术上的分享，包括CNN(卷积神经网络)与RNN(递归神经网络)相关原理。
-
解读CNN网络结构进化之路
从CNN鼻祖LeNet5到掀起深度学习浪潮的AlexNet，CNN发展到今天，出现了众多网络结构，诸如VGG、GoogleNet、ResNet、DenseNet、ResNext。这些网络结构都是怎样的，他们之间有哪些联系与区别，本文将梳理CNN的发展脉络，解读其进化之路。
-
卷积计算底层实现简介
卷积操作(Convolution Operation)是卷积神经网络(CNN)的核心操作，对于CNN的网络结构的整体构成，你可能比较清楚，各种深度学习框架调得也很溜，不知道对卷积计算底层涉及到的实现方式是否清楚？本文给出几种卷积类型，给出相应的特征图大小计算，感受野计算公式，结合一些深度学习框架与计算库，简介几种卷积计算的实现方式，包括转换为矩阵相乘、快速傅里叶变换、直接计算.