深度学习网络架构

本文介绍了循环神经网络RNN中的一种常用架构：Seq2Seq，通常使用编码器-解码器 (Encoder-Decoder) 架构对其进行搭建；此外，本文还介绍了注意力机制，并通过一个实例展示了如何将注意力机制引入到Seq2Seq模型中

循环神经网络RNN主要用于处理序列数据，本文第一部分介绍了RNN的基础结构；为解决RNN的梯度消失问题，增强其处理长序列的能力，本文第二部分介绍了它的两个变体：LSTM、GRU；最后本文介绍了可以同时考虑序列前后依赖的Bidirectional RNN

本文主要对孪生神经网络（Siamese Network）进行介绍，不同于一般的神经网络架构，Siamese Network主要用于衡量两个输入的相似程度

本文对目标检测算法中的YOLO v3算法进行了梳理，主要介绍了算法的数据前处理、模型架构、损失函数以及模型预测

本文主要介绍了Residual Network以及Inception Network的特点与基本结构，并使用这些基本结构搭建了ResNet50以及GoogLeNet (Inception V1)模型