资源！机器学习平台优质资源集合
机器学习平台在人工智能的开发过程中扮演者非常重要的作用，所以，这些年来，也出现了很多不同的机器学习平台，侧重传统方法的scipy、sklearn，侧重深度学习的caffe、theno、pytorch、tensorflow、mxnet，还有高度集成的gluon、keras，都在人工智能工作中扮演者重要的角色，今天我就推荐一些这两年表现比较突出的三个机器学习平台的相关学习资源，分别是tensorflow、pytorch、mxnet。
备注：我已经把tensorflow、pytorch、mxnet官方文档PDF版和epub版放进共享链接，有需要的可以关注微信公众号回复doc获取。
【动手学计算机视觉】第十五讲：卷积神经网络之LeNet
LeNet是由2019年图灵奖获得者、深度学习三位顶级大牛之二的Yann LeCun、Yoshua Bengio于1998年提出，它也被认为被认为是最早的卷积神经网络模型。但是，由于算力和数据集的限制，卷积神经网络提出之后一直都被传统目标识别算法(特征提取+分类器)所压制。终于在沉寂了14年之后的2012年，AlexNet在ImageNet挑战赛上一骑绝尘，使得卷积神经网络又一次成为了研究的热点。尽管近几年深度卷积网络非常热门，LeNet基本处于被忽略的状态，但是它的思想依然对CNN的学习有着不可忽视的价值。本文就详细介绍一下LeNet的结构，同时会详细介绍网络模型的搭建方法。
5.Caffe
Caffe是由伯克利人工智能研究所以及社区贡献者们共同开发的一款深度学习框架。它在深度学习领域发挥了巨大的推动作用，并以其优秀的结构、性能和代码质量成为了该领域的标志性工具。Caffe不仅降低了学习和开发的难度，还将深度学习的所有细节透明化。主要应用于视频和图像处理，核心语言为C++，并兼容命令行、Python和MATLAB接口，同时支持CPU和GPU运行，具备出色的通用性和性能。其快速上手和高速运行的特点使得即使是复杂模型和大规模数据也能轻松应对，用户可以利用多种预设层类型来自定义模型。
