在机器学习篇章中，我们简单介绍了卷积核，今天，我们借助知乎的一篇文章，梳理一下对卷积核一些基本情况。
卷积神经网络是深度学习在计算机视觉领域的突破性成果. 在计算机视觉领域, 往往我们输入的图像都很大，使用全连接网络的话，计算的代价较高. 另外图像也很难保留原有的特征，导致图像处理的准确率不高....
目标检测是计算机视觉中的一个基本任务，它涉及到在图像或视频中检测并定位特定的类别目标。2D目标检测意味着确定目标在图像中的位置（以2D边界框表示），并对目标进行特定类别的分类。最先进的目标检测方法可分为两阶段方法...
本实验实现了实现深度残差神经网络ResNet，并基于此完成图像分类任务。
输入数据通过上述序列模块self.b1、self.b2、self.b3、self.b4、self.b5和self.head进行处理，最终输出分类结果。
卷积神经网络在图像处理方面具有很强的优势，它能够自动学习到具有层次结构的特征表示，并且对平移、缩放和旋转等图像变换具有一定的不变性。这些特点使得卷积神经网络成为图像分类、目标检测、语义分割等任务的首选模型...
本实验实现了一个自定义的二维汇聚层（池化层），包括前向传播中进行最大池化、平均池化等操作。
本实验实现了二维卷积神经网络的卷积层设置步长、填充、输入输出通道等功能。
本实验实现了一个简单的二维卷积神经网络，包括二维互相关运算函数和自定义二维卷积层类，并对一个随机生成是二维张量进行了卷积操作。
