继续之前的：
- 《深度学习知识卡片：深度学习基本概念》
- 《深度学习知识卡片：Logistic 回归》
- 《深度学习知识卡片：浅层网络的特点》
- 《深度学习知识卡片：深度神经网络的特点》
- 《深度学习知识卡片：偏差与方差》
- 《深度学习知识卡片：正则化》
- 《深度学习知识卡片：最优化训练》
- 《深度学习知识卡片：最优化算法》
- 《深度学习知识卡片：超参数调优》
- 《深度学习知识卡片：结构化机器学习过程》
- 《深度学习知识卡片：误差分析》
- 《深度学习知识卡片：训练集、开发集与测试集》
- 《深度学习知识卡片：学习方法扩展》
- 《深度学习知识卡片：卷积神经网络基础》
- 《深度学习知识卡片：卷积运算的主要参数》
- 《深度学习知识卡片：深度卷积神经网络架构》
- 《深度学习知识卡片：经典卷积神经网络》
- ResNet：引入残差连接，缓解梯度消失和梯度爆炸问题，可以训练非常深的网络。
- Network in Network：使用 1×1 卷积核，可以将卷积运算变成类似于全连接网络的形式，还可以减少特征图的通道数，从而减少参数数量。
- Inception Network：也就是我们熟知的 Google Net 使用了多种尺寸卷积核的并行操作，再堆叠成多个通道，可以捕捉多种规模的特征，但缺点是计算量太大，可以通过 1×1 卷积减少通道数。