一、论文结构
二、需要掌握的东西是什么？
1、网络结构及参数计算、连接参数的计算（这个感觉用的不多）
关于参数计算真的很多不明确的地方，现在终于明确了。
其一，在第五个卷积经过重叠池化后得到6*6*256如何做全连接的。其实就是经过了flattened，拉成一个维度的，然后作为输入，后面的4096是超参数来的，1000是number_class.
其二，工程上用到了多卡去训练，在两个显卡上进行计算，所以存在着concate的操作，就是在通道上串联而已。我感觉concate是没有的，看源码才能知道。
其三，还有norm（LRN）放在哪里计算的问题也得看源码才知道，在VGG论文中被证实没有用，且后面的网络都没有人使用的，作者网络结构上写的是224，实际上训练中用的是227。
- 对于连接数量计算，之前想了好久这是啥？原来就是用这些卷积核的节点（暂且用节点吧，便于理解）链接了多少次。
- 还有个计算量是FLOATS（复杂度的，不要求掌握）
2、防止过拟合技术（数据增强、dropout）及relu激活函数
- dropout
keep_prob = 留下多少比例
- 非线性激活单元relu
函数：
例子：
优点：
右边图片是论文中的图片。
优点详细解：
- 训练数据的处理：
虽然AlexNet没有VGG那么经常被借鉴到，但是其防止过拟合方法一直在被使用者。
三、其他问的。
LRN被淘汰了，可以不必要知道。
1、网络特点：
2、代码：