下篇笔记
卷积的应用任务：分类、图搜、物体检测、图像分割、人脸识别、人体关键点定位、图像描述、风格迁移
卷积层详解：
padding为1，步幅为2
下面3的计算过程
3=0+2+0+1(1为b的值）RGB三种颜色的卷积结果相加
卷积计算公式
卷积的参数个数（权重共享）
池化层：两种下采样方式：均值和最大值
CNN反向传播原理
卷积层的前向传播和反向传播
池化层的前向传播和反向传播
经典网络架构
RNN
每一步都会把之前所有步更新
LSTM网络结构
忘记门
更新门：忘记什么，添加什么
忘记什么，添加什么
输出门