1.卷积神经网络
1.1 什么是卷积
局部关注，滑动窗口
观察方式不一样，是局部相连的方式
权值共享：
卷积操作：
2D卷积：
1.2 卷积神经网络
卷积核就是代表w
padding & Stride
padding就是增加格子，Stride就是步长，看每次移动隔多少格子
多通道输入多通道输入：
Lenet-5
layers.Conv2D：
weight & bias：
nn.conv2d:
下采样：
平均池化和最大池化
上采样：放大
1.3 CIFAR100实战（重要）
可以对着代码敲敲，后面还得做一下！！！
看文件代码：
13层网络：
1.4 其余经典卷积神经网络
LeNet-5
AlexNet：更深的网络层，在比赛中取得很好的成绩，现在已经不怎么样了
VGG11-16-19 ： 探索出更小的卷积核心
GoogLeNet：22层
1.5 BatchNorm
参数调整和更加稳定
没懂，啥意思
1.6 深度残差网络-ResNet
1.7 ResNet-18实战
深层次网络退化到浅层网络
代码看文件！！！