1、卷积神经网络基础
卷积神经网络是计算机视觉深度网络的基础，它就是一个卷积核，而这个卷积核代表的是提取特征的权重过滤器。卷积神经网络的组成一般有卷积核、激活函数等，卷积核：1*1、3*3、5*5、7*7，现在最常用是前两个，因为小的卷积核可以通过更深的网络结构得到和大的卷积核一样的特征提取效果，感受野相同，而且更少的参数量。
2、lenet
LeNet神经网络由深度学习三巨头之一的Yan LeCun提出，他同时也是卷积神经网络 (CNN，Convolutional Neural Networks)之父。LeNet主要用来进行手写字符的识别与分类，并在美国的银行中投入了使用。LeNet的实现确立了CNN的结构，现在神经网络中的许多内容在LeNet的网络结构中都能看到，例如卷积层，Pooling层，ReLU层。虽然LeNet早在20世纪90年代就已经提出了，但由于当时缺乏大规模的训练数据，计算机硬件的性能也较低，因此LeNet神经网络在处理复杂问题时效果并不理想。虽然LeNet网络结构比较简单，但是刚好适合神经网络的入门学习。
