CNN.txt

---------------------------------------------------------------------------------

技术向：一文读懂卷积神经网络CNN

http://www.cnblogs.com/nsnow/p/4562308.html

此文是转载，但原文地址已失效，还不错，有 ImageNet-2010 网络结构和香港中文大学的 Sun Yi 开发 DeepID 网络结构的介绍。

---------------------------------------------------------------------------------

对CNN中pooling的理解

http://blog.csdn.net/jiejinquanil/article/details/50042791

对 pooling 的一些理解汇总如下，以供参考：

1、pooling主要是在用于图像处理的卷积神经网络中，但随着深层神经网络的发展，pooling相关技术在其他领域，其他结构的神经网络中也越来越受关注。 
2、卷积神经网络中的卷积层是对图像的一个邻域进行卷积得到图像的邻域特征，亚采样层就是使用pooling技术将小邻域内的特征点整合得到新的特征。pooling确实起到了整合特征的作用。 
3、pooling的结果是使得特征减少，参数减少，但pooling的目的并不仅在于此。pooling目的是为了保持某种不变性（旋转、平移、伸缩等），常用的有mean-pooling，max-pooling和Stochastic-pooling三种。 

---------------------------------------------------------------------------------

Caffe prototext文件的可视化网址

http://ethereon.github.io/netscope/#/editor

---------------------------------------------------------------------------------