这是一系列深度学习的介绍，本文不会涉及公式推导，主要是一些算法思想的随笔记录。
适用人群：深度学习初学者，转AI的开发人员。
编程语言：Python
参考资料：吴恩达老师的深度学习系列视频
吴恩达老师深度学习笔记整理
深度学习500问
笔记下载：深度学习个人笔记完整版
CNN网络发展
CNN受生物自然视觉认知机制启发而来。1959年，Hubel & Wiesel 发现，动物视觉皮层细胞负责检测光学信号。受此启发，1980年 Kunihiko Fukushima 提出了CNN的前身——Neocognitron ；
20世纪 90 年代，LeCun et al. 等人发表论文，确立了CNN的现代结构，后来又对其进行完善。1998年，他们设计了一种多层的人工神经网络，取名叫做LeNet-5，可以对手写数字做分类。和其他神经网络一样， LeNet-5 也能使用 backpropagation 算法训练；
2012年，在 ImageNet比赛，ALexNet大放异彩，将错误率由25%降至16%，从此CNN大火,从此计算机视觉开始重视深度学习；
2014年，VGGNet ：深度更深，有两种版本，将错误率由25%降至7%，一种16层，一种19层，filter较小，更细粒度提取 ，常使用；
2014年，GoogleNet：将错误率由25%降至6%；
2015年，ResNet:残差网络。
CNN 的演化路径可以总结为以下几个方向：
- 进化之路一： 网络结构加深
- 进化之路二： 加强卷积功能
- 进化之路三： 从分类到检测
- 进化之路四： 新增功能模块
CNN常见网络结构
为什么现在的CNN模型都是在GoogleNet、VGGNet或者AlexNet上调整的？
以下粗略地介绍一下各个经典网络，想详细了解并实现其网络结构的朋友，可以阅读相关论文，或参考如下博文：
详解深度学习之经典网络架构（十）：九大框架汇总
LeNet-5
LeNet-5是Yann LeCun在1998年设计的用于手写数字识别的卷积神经网络，当年美国大多数银行就是用它来识别支票上面的手写数字的，它是早期卷积神经网络中最有代表性的实验系统之一。
LenNet-5训练的灰度图像,共有7层（不包括输入层），每层都包含不同数量的训练参数，如下图所示。
卷积后的激活函数未采用ReLU，人们使用sigmod函数，而不是ReLu函数,池化层采用的Mean Pooling。
6w左右个参数。
局限性：由于当时缺乏大规模训练数据，计算机的计算能力也跟不上，LeNet-5 对于复杂问题的处理结果并不理想。
AlexNet
AlexNet是2012年ILSVRC（Image Large Scale Visual Recognition Challenge）比赛分类项目的冠军，远超第二名（top5错误率15.3%，第二名26.2%），AlexNet包含5个卷积层，3个全连接层，使用多层小卷积叠加代替单个大卷积，使用2个GPU并行加速训练，结构如下：
AletNet需要注意的几点：
- 使用ReLU作为激活函数，并验证了其在较深网络中的有效性，避免了sigmoid梯度弥散的问题;
- 全部池化层使用Max Pooling，避免平均池化的模糊效果；并提出步长比池化核的尺寸小，这样池化层的输出之间会有重叠覆盖，特升了特征的丰富性;
- 在最后几个全连接层使用dropout，随机忽略一部分神经元以避免模型过拟合;
- 提出LRN（Local Response Normalization，局部响应归一化，在之后的网络中很少应用），对局部神经元的活动创建了竞争机制，使得其中响应比较大的值变得相对更大，并抑制其他反馈较小的神经元，增强了模型的泛化能力；
- 使用了数据增强（Data Augmentation）:人工增加训练集的大小——通过平移, 翻转, 加噪声等方法从已有数据中创造出一批"新"的数据，后续篇章会详细讲解；
- 使用了双GPU。
6000w左右个参数。
VGGNet
VGG全称是Visual Geometry Group属于牛津大学科学工程系，其发布了一些列以VGG开头的卷积网络模型，可以应用在人脸识别、图像分类等方面，分别从VGG16～VGG19。VGG在加深网络层数同时为了避免参数过多，在所有层都采用3x3或者1x1的filter，卷积步长被固定1。
VGG全连接层有3层，根据卷积层+全连接层总数目的不同可以从VGG11 ～ VGG19，最少的VGG11有8个卷积层与3个全连接层，最多的VGG19有16个卷积层+3个全连接层，此外VGG网络并不是在每个卷积层后面跟上一个池化层，还是总数5个池化层，分布在不同的卷积层之下。
卷积层的过滤器数量变化存在一定的规律，由64翻倍变成128，再到256和512。作者可能认为512已经足够大了，所以后面的层就不再翻倍了。
由于VGG-16的表现几乎和VGG-19不分高下，所以很多人还是会使用VGG-16。
论文中，作者指出，虽然LRN(Local Response Normalisation)在AlexNet对最终结果起到了作用，但在VGG网络中没有效果，并且该操作会增加内存和计算，从而作者在更深的网络结构中，没有使用该操作。
1x1卷积核：降维，增加非线性
3x3卷积核：多个卷积核叠加，增加空间感受野，减少参数
VGG-16,1.38亿左右个参数。
vgg 16模型的内存和参数量的计算
GoogLeNet
2014年，GoogLeNet和VGG是当年ImageNet挑战赛(ILSVRC14)的双雄，GoogLeNet获得了第一名、VGG获得了第二名，这两类模型结构的共同特点是层次更深了。VGG继承了LeNet以及AlexNet的一些框架结构，而GoogLeNet则做了更加大胆的网络结构尝试，虽然深度只有22层，但大小却比AlexNet和VGG小很多，GoogLeNet参数为500万个，AlexNet参数个数是GoogLeNet的12倍，VGGNet参数又是AlexNet的3倍，因此在内存或计算资源有限时，GoogLeNet是比较好的选择；从模型结果来看，GoogLeNet的性能却更加优越。
GoogLeNet团队提出了Inception网络结构，就是构造一种“基础神经元”结构，来搭建一个稀疏性、高计算性能的网络结构。
Inception有四个版本，主要是在网络宽度上进行了改进，在同一层中使用了多个不同尺寸的卷积，以获得不同的视野，最后级联（直接叠加通道数量），这就是Inception module从v2开始，进一步简化把Inception module中的n×n模块分解为1×n和n×1的组合，减少了参数数量，v3进一步把最开始的7×7卷积和其他非3×3进行分解，v4引入了ResNet残差的思想。
Inception v1结构：
GoogLeNet网络结构（22层）：
（1）GoogLeNet采用了模块化的结构（Inception结构），方便增添和修改；
（2）网络最后采用了average pooling（平均池化）来代替全连接层，该想法来自NIN（Network in Network），事实证明这样可以将准确率提高0.6%。但是，实际在最后还是加了一个全连接层，主要是为了方便对输出进行灵活调整；
（3）虽然移除了全连接，但是网络中依然使用了Dropout ;
（4）为了避免梯度消失，网络额外增加了2个辅助的softmax用于向前传导梯度（辅助分类器）。辅助分类器是将中间某一层的输出用作分类，并按一个较小的权重（0.3）加到最终分类结果中，这样相当于做了模型融合，同时给网络增加了反向传播的梯度信号，也提供了额外的正则化，对于整个网络的训练很有裨益。而在实际测试的时候，这两个额外的softmax会被去掉。
GoogLeNet,500w左右个参数。
ResNet
通过实验可以发现：随着网络层级的不断增加，模型精度不断得到提升，而当网络层级增加到一定的数目以后，训练精度和测试精度迅速下降，这说明当网络变得很深以后，深度网络就变得更加难以训练了。这是由于梯度消失造成的。
ResNet首次提出了引入了残差网络结构（residual network），解决了网络过深而导致的梯度消失的问题，为更深的网络提供了有力的方向。
通过这种残差网络结构，可以把网络层弄的很深（据说目前可以达到1000多层），并且最终的分类效果也非常好，残差网络的基本结构如下图所示，很明显，该图是带有跳跃结构的：
跳跃连接（Skip connection），它可以从某一层网络层获取激活，然后迅速反馈给另外一层，甚至是神经网络的更深层。
ResNet有 两代（ResNet v1和ResNet v2），如下是ResNet v1中34层的深度残差网络的结构图：
残差网络的跨层连接的计算方式和GoogLeNet中的级联不同，这里是每个通道进行相加操作，如果的通道数和的通道数不同，则对用1×1的卷积操作，使得维度一样。
v2版本只是引入了BN（batch normalization），并讨论的BN放置位置的问题，其他思想一样。
其他网络
CNN发展迅猛，除了上述网络结构外，近几年又有新型网络结构出现：
- DenseNet：比ResNet来的更加彻底，即当前的每一层都和前面的每一层连接。
- ResNeXt：在ResNet的基础上，借鉴GoogLeNet的思想，增加了网络的宽度，同时，为了简化设计的复杂度，不像Inception module里面采用了不同尺寸的卷积，这里使用相同的的卷积，并用了32个，最后每个通道相加，和Inception module的级联不同。
- DPN：一种双通道网络，结合了ResNet和DenseNet的优点，具有一定的参考价值。