主要有三点：
还有像maxpooling这样的非线性转换，可以提高网络功能的性能。
从模型中学习卷积参数，手动确定卷积核的大小和数目。二维卷积核的大小通常是奇数，例如1*1、3*3、5*5、7*7。卷积核数是网络中的信道数。常用的是128256512，需要根据具体任务来确定。
另外，最近神经网络自动搜索结构非常流行。其中最著名的是google的nasnet，它使用一些启发式遍历来寻找特定数据集的最优网络结构
cnn网络模型用于目标检测，可以提供目标类型分析和定位框架。
群众运动是盲目的、非理性的
！没有统一的组织，也没有事先计划。过程不受控制。
群众在共同情绪的控制下行动。情绪在蔓延。会夹杂着很多个人利益和小集体利益。
有人会带来节奏，有人会把水搅浑。
把东西从原来的方向拿走。
这一事件再次证明了群体运动的不可控性。
在支持向量机方面，libsvm绝对是首选库，应该是应用最广泛的机器学习库。让我们主要推荐一些github的深度学习项目！1.1.1网络-恒星：2200卷积实现了神经网络，可用于分类、回归、强化学习等。2.深度学习工具箱-星级：1000实施中最热门的库存，包括cnn、dbn、sae、cae等主流机型。3.深度学习（yusugomo）-星星：800深度学习网络是用python、c/c、java和scala五种语言实现的。实现模型包括dbn/cdbn/rbm/crbm/da/sda/lr。4.神经网络和深度学习-星星：500这个是同名书籍的匹配代码，语言为python。5.rbm-mnist-星星：200这个是hintonmatlab的c重写版代码。实现了拉斯穆森共轭梯度算法。
不一定，但gpu通常比cpu快几十倍。cpu的速度也很快。根据cpu内核的数量，多线程可以使速度加倍。
