深度学习笔记（9）

paddle教程从这一章开始进入计算机视觉部分，基于分类任务着重讲解了几种经典网络结构，跟着官方教程一起学习一下:卷积神经网络基础

计算机视觉任务主要是四大类

• (a) Image Classification： 图像分类，用于识别图像中物体的类别（如：bottle、cup、cube）。
• (b) Object Localization： 目标检测，用于检测图像中每个物体的类别，并准确标出它们的位置。
• (c) Semantic Segmentation： 图像语义分割，用于标出图像中每个像素点所属的类别，属于同一类别的像素点用一个颜色标识。
• (d) Instance Segmentation： 实例分割，值得注意的是，（b）中的目标检测任务只需要标注出物体位置，而（d）中的实例分割任务不仅要标注出物体位置，还需要标注出物体的外形轮廓。

这一章主要就是第一类，图像分类问题

教程讲了卷积的原理，padding，多通道的输入输出的数据尺寸，池化，ReLU激活函数，批归一化，dropout

都是概念和原理，直接看paddle的教程就好，讲的都很清楚。