颜色分类leetcode应用深度学习资源关于应用环境中的深度学习的研究文章、博客文章、幻灯片和代码片段的集合。包括经过训练的模型和可以开箱即用的简单方法。主要关注卷积神经网络(CNN)，但也会列出循环神经网络(RNN)、深度Q网络(DQN)和其他有趣的架构。美国有线电视新闻网CNN的最新概述可以从论文“视觉理解的深度学习：评论”中找到。LeCun、Bengio和Hinton在Nature中的另一个不错的概述：“深度学习”。图像网是最重要的图像分类和定位竞赛。其他带有结果的数据集可以从这里找到：发现对象分类的当前技术水平。ImageNet竞赛的预测误差在过去5年中迅速下降：ImageNet上的主要网络架构亚历克斯网原论文： “ImageNet Classification with Deep Convolutional Neural Networks”。该网络属性包括8个权重层（5个卷积层和2个全连接层）、6000万个参数、修正线性单元。