本文将从整体架构和底层实现的视角，对Caffe源码进行解析。

深度学习：趋势如今，流行语已经覆盖全球。从近些年的发展来看，“社交媒体”“物联网”加上现在的“深度学习”，都是当今流行的趋势。

【导读】计算机图像计算水平稳步的增长，但各大厉害的模型尚未得到合理应用。在这篇 ICLR 2017 提交论文《深度神经网络模型分析在实践中的应用》中，作者从精确度、内存占用、参数、推理时间和功耗等方面分析比较 ImageNet 历届冠军架构，为有效设计及应用深度神经网络提供了最新的分析资料。

仅供参考，如有翻译不到位的地方敬请指出。论文地址：Identity Mappings in Deep Residual Networks译文地址：http://blog.csdn.net/wspba/article/details/60750007

仅供参考，如有翻译不到位的地方敬请指出。论文地址：Deep Residual Learning for Image Recognition译文地址：http://blog.csdn.net/wspba/article/details/57074389

分类模型和回归模型本质一样，分类模型是将回归模型的输出离散化。

我们提出了一个通过对抗过程估计生成模型的新框架，在新框架中我们同时训练两个模型：一个用来捕获数据分布的生成模型G，和一个用来估计样本来自训练数据而不是G的概率的判别模型D，G的训练过程是最大化D产生错误的概率。

分类模型和回归模型本质一样，分类模型是将回归模型的输出离散化。