CNN 五大经典网络结构笔记:LeNet、AlexNet、VGG、GoogLeNet 与 ResNet
2026年5月2日 · 3528 字这篇笔记用适合入门者的方式梳理 CNN 五个经典网络:LeNet、AlexNet、VGG、GoogLeNet 和 ResNet,重点讲清楚它们各自解决了什么问题、结构怎么理解,以及为什么会影响后来的计算机视觉模型。
这篇笔记用适合入门者的方式梳理 CNN 五个经典网络:LeNet、AlexNet、VGG、GoogLeNet 和 ResNet,重点讲清楚它们各自解决了什么问题、结构怎么理解,以及为什么会影响后来的计算机视觉模型。
这篇文章用一个完整的 CIFAR-10 分类项目,带你从数据增强、手写 ResNet、训练循环到保存权重,走完整个 PyTorch 实战流程。
计算机视觉到底该怎么学?这篇文章从任务层次、经典架构、目标检测、语义分割和项目路线图几个角度,帮你把 CV 主线理清楚。
GAN、VAE 和扩散模型经常一起出现,但它们的思路完全不同。这篇文章从直觉、结构、优缺点和应用场景出发,把三者一次讲清楚。
很多模型不是不会搭,而是不会训。这篇文章把训练曲线诊断、过拟合处理、学习率策略、正则化和调参方法系统整理成一份实战指南。
这篇文章作为深度学习总览地图,先帮你建立完整框架;训练工程、生成模型、CV 路线和 CIFAR-10 实战已经拆分成独立文章,阅读更轻松。
机器学习、深度学习、模型、Agent、MCP、Skills 之间到底是什么关系?这篇文章用一条清晰主线,把 AI 从“会预测”到“会干活”的演进过程讲明白。