【前言】学前先来-随便聊一聊CNN

从这节开始，我们要开始正式的学习CNN模型啦~同时它也是深度学习的启程之旅~在这之前，我们不妨先来随便的聊聊CNN大概是怎么一回事，有哪些内容需要学~相当于学习前的热身~

一、学CNN前随便聊一聊

1.1. 学CNN要注意什么

还没开始学习深度学习之前，总以为深度学习的模型与机器学习的模型一样，只要了解模型的结构、训练，或者调包方式，就算基本掌握这个模型了。但其实不然，深度学习的模型往往并不是那么重要，而是它的思想。在CNN中尤为明显，它的经典模型，往往都是提出了一个Idea，然后以这个idea为基础构建出一个简单模型、用以说明“就这么简单的模型，加入了这Idea，就这么牛了！

这就使得CNN很多经典模型都是比较"简单"的，没有极致化、仅仅是某个技术的"示例模型"，因此，在了解模型的同时，更重要是理解它的Idea，在实际使用中，把各种技术合理地引入到自己的模型中来。

学习CNN一点难度、痛苦都没有，因为它不像机器学习那样，一堆公式推导。更多时候，都是在讲故事，然后根据故事来推出结构，并用实验证明有效性。so，学习CNN就是在听故事！唯一比较枯燥的是，模型结构有些烦琐冗长，有些模型需要耐着性子去看看它的结构，此外，如果你不跑模型，就没有其它了~如果要跑模型，还得等那机子长时间训练，急性子的同学就会有些烦躁，再此外，就真的没其它了。

1.2. CNN-要学哪些模型

在我看来，CNN分为两类模型：

第一类是经典基础模型，由于CNN是深度学习的发家之地，这些经典CNN模型一般在2015年之前提出，它们所用到的各种技术，一般都是所有深度学习领域的基石，这些模型是必学的，不管你用不用CNN。CNN经典模型有：

LeNet、AlexNet、VggNet、GoogLeNet、Inception、ResNet、DenseNet、U-net等。

第二类是较新的CNN模型，这类模型更多是后来提出来的，它们相对更成熟，效果比一些经典模型更加好，在实际使用中更倾向于这类模型。但是时代是在发展的，这些模型未必能长期站得住脚。作为学习，这类模型不一定要知道，但作为使用，就需要了解了。这些CNN模型有：

SqueezeNet(2016)、MobileNet(2017)、EfficientNet(2019年‌)、Vit(2020)、ConvNeXt(2022)。

结束语

好了，总的来说，CNN的基础模型就有LeNet、AlexNet、VggNet、...、ResNet这些，它们是深度学习的基础，学习时模型不是那么的重要，反而是要注意它的思想和核心技术，因为模型往往只是这些核心技术的"简单示例模型"，进一步地，如果实际使用CNN，可以追更新的模型，例如Vit，ConvNeXt这些，它们的效果会更好一些。