参考文章：
支持向量机(Support Vector Machine,SVM)算法复杂度详解
https://blog.csdn.net/weixin_36474809/article/details/103986845
推荐系统中使用ctr排序的f(x)的设计-dnn篇之DCN模型
https://zhuanlan.zhihu.com/p/33619389
激活函数（5）ELU函数、PReLU函数
https://blog.csdn.net/zfjBIT/article/details/91633424
Pytorch中的detach用法
https://blog.csdn.net/CoolCoolCarrot/article/details/104346639
原理理解
各种卷积层的理解（深度可分离卷积、分组卷积、扩张卷积、反卷积）
https://blog.csdn.net/gwplovekimi/article/details/89890510
A technical report on convolution arithmetic in the context of deep learning，卷积和反卷积的动图演示
https://github.com/vdumoulin/conv_arithmetic
反卷积
逆卷积的详细解释ConvTranspose2d
https://www.cnblogs.com/wanghui-garcia/p/10791328.html
ConvTranspose2d原理，深度网络如何进行上采样？
https://blog.csdn.net/qq_27261889/article/details/86304061
tf.keras.layers.Conv2DTranspose中反卷积输入和输出关系
https://blog.csdn.net/coolsunxu/article/details/106317157
估算卷积层与反卷积层运算量
https://www.jianshu.com/p/58e9444f860b
反卷积层的C++实现
https://github.com/apache/incubator-mxnet/blob/master/src/operator/nn/deconvolution-inl.h#L215
反卷积层轻量化处理
上池化(unpooling),上采样(unsampling)和反卷积(deconvolution)的区别
https://www.jianshu.com/p/cad419491760
Pyorch：torch.nn.Unsample()，配置参数解释
https://blog.csdn.net/weixin_40522801/article/details/106691252
feature map尺寸统一技巧
ReflectionPad2d、InstanceNorm2d详解及实现
https://zhuanlan.zhihu.com/p/66989411
Pytorch 里 nn.AdaptiveAvgPool2d(output_size) 原理是什么?，SE注意力机制中使用
https://www.zhihu.com/question/282046628
可变形卷积
Deformable Convolution Networks
https://www.jianshu.com/p/940d21c79aa3
卷积层研究新进展
改进卷积操作的一些论文 - 西西嘛呦 - 博客园，自校正卷积，深度可分离超参数卷积，尺度聚合网络，混合深度可分离网络，等等，一共14篇，均是19年~20年
https://www.cnblogs.com/xiximayou/archive/2004/01/13/13192378.html
Constrained-CNN，Code for paper "A New Approach Towards General Purpose Image Manipulation Detection"