CNN架构复现实战 | 附视频和github项目

大家好，今天给大家分享一个教大家手把手复现经典CNN论文的视频教程。是由爱可可老师从油管上面搬运过来的哈！ 希望分享的内容能让你有所收获，如果觉得有用的，帮我分享出去，谢啦！

简介

经常会看到类似的广告《面试算法岗，你被要求复现论文了吗？》不好意思，我真的被问过这个问题。当然也不是所有面试官都会问，究其原因，其实也很好理解。企业肯定是希望自己的产品是有竞争力，有卖点的，市场上大部分都是基于开源的项目开发的，显然就没有优势。自己的研发能力，研发成本有限，那么最快的方式显然是迅速的从最新的论文中提取价值。

复现的话，据我所知，一般就两种：

（1）复现作者的网络架构

（2）复现论文中的结果

今天分享的内容就是关于如何复现网络架构的，主要是一些经典的网络架构，包括

AlexNet、VGG、GoogLeNet、MobileNet、ResNet（后续还会继续更新其他经典网络）

我简单的看了一下视频，预览一下主要的内容：

视频的主要目的教大家如何阅读一个CNN架构的论文，并应用这个模型。

支持小编

生活不易，下面的?小卡片希望大家可以 [ 点击一下] ，你的顺手点击将是我坚持的动力，点一下即可，万分感谢！

方法：

作者小哥讲的挺认真的，不过咖喱味比较重，对于很多小伙伴可能很难接受。

这里提供了两个办法：

（1）小译同传（PC端）

可以实现对视频或声音进行实时的翻译，并显示字幕

《实时翻译软件》包含使用方法

（2）github项目中的描述

项目：https://github.com/Machine-Learning-Tokyo/CNN-Architectures/tree/master/Implementations

内容还是蛮详细的：

论文部分：

网络部分：

整体实现思路：

代码部分详解：

好了，今天分享的内容就这些啦，小伙伴记得点个在看或分享到朋友圈给你的好朋友哟

B站视频链接：https://www.bilibili.com/video/BV1aa4y1x7vj

github项目：https://github.com/Machine-Learning-Tokyo/CNN-Architectures/tree/master/Implementations