从文献中提到的几个模型开始——AlexNet，GoogleNet，VGG-16，ResNet-50。

（从头到尾读文献自然效率低，而按照抓实验重点的常规读文献方法，好像也不太适合现在的我。倒不如先看看文献中提到了哪些我不知道的概念与内容，先学一学，把文献阅读迅速上手。）

However，上面几个模型好像有点复杂，所以先从LeNet-5开始。

LeNet-5

https://www.charleychai.com/blogs/2018/ai/NN/lenet.html

1.卷积->局部感受野（同时卷积带来权值共享（？））
1.2 同一层中，多个卷积核独立操作，获得针对不同特征的输出。
2.为什么池化不采用全连接，（即采用子采样）：不对称连接获取更高级的特征
2.0 池化->（子）采样：直接扔掉部分数据，以期待保留主要特征，同时提升鲁棒性（减少次要信息的干扰）。