深度学习的优点

---

• 学习能力强；
• 覆盖范围广；
• 适应力强；
• 可移植性好；

深度学习的缺点

---

• 计算量大；
• 便携性差；
• 硬件成本较高；
• 模型设计复杂；
• 长于计算，弱于算计，很容易被 “hack”；

CNN 的应用场景

---

CNN 模型一般化示例

CNN 用于分类的一般网络架构为：输入层 --> (卷积层 + --> 池化层?) + --> 全连接层+，其中 + 表示存在多个，- 表示可有可无。如下图所示：

CNN 分类模型架构

---

CNN回归预测模型架构

---

CNN 生成特征图模型架构

CNN 生成注意力模型架构

CNN 生成分割图模型架构

CNN 生成艺术分割