【动手学计算机视觉】第十五讲：卷积神经网络之LeNet
LeNet是由2019年图灵奖获得者、深度学习三位顶级大牛之二的Yann LeCun、Yoshua Bengio于1998年提出，它也被认为被认为是最早的卷积神经网络模型。但是，由于算力和数据集的限制，卷积神经网络提出之后一直都被传统目标识别算法(特征提取+分类器)所压制。终于在沉寂了14年之后的2012年，AlexNet在ImageNet挑战赛上一骑绝尘，使得卷积神经网络又一次成为了研究的热点。尽管近几年深度卷积网络非常热门，LeNet基本处于被忽略的状态，但是它的思想依然对CNN的学习有着不可忽视的价值。本文就详细介绍一下LeNet的结构，同时会详细介绍网络模型的搭建方法。
【动手学计算机视觉】第十一讲：卷积层与池化层
近几年出现了很多经典、优秀的卷积神经网络模型，单从网络架构来说，很多都是采用的AlexNet、VGG这些经典网络作为基本的模块，它们所采用的组件大同小异，如果学习卷积神经网络仅仅为了能够搭建一个跑得通的模型，那是没有意义的，因为目前开源项目随处可见，而且千篇一律，实现一个CNN网络模型所需代码不过几十行。其中真正重要的是里面的卷积层、池化层、批量正则化、Dropout这些行之有效的技术。所以，要想学习卷积神经网络，首先应该了解这些概念，当对这些内容有了了解之后会发现搭建网络轻而易举。
资源！机器学习平台优质资源集合
机器学习平台在人工智能的开发过程中扮演者非常重要的作用，所以，这些年来，也出现了很多不同的机器学习平台，侧重传统方法的scipy、sklearn，侧重深度学习的caffe、theno、pytorch、tensorflow、mxnet，还有高度集成的gluon、keras，都在人工智能工作中扮演者重要的角色，今天我就推荐一些这两年表现比较突出的三个机器学习平台的相关学习资源，分别是tensorflow、pytorch、mxnet。
备注：我已经把tensorflow、pytorch、mxnet官方文档PDF版和epub版放进共享链接，有需要的可以关注微信公众号回复doc获取。