改写 本章首先介绍了深度学习的基本原理与最传统有效的深度学习方法—深度前馈网络深度前馈网络；随后介绍了卷积神经网络的起源，阐述了卷积神经网络的基本工作原理；随之讲述了卷积神经网络的历史性突破——AlexNet的发明并介绍了AlexNet的结构与其中新技术的应用：ReLU激活函数以及Dropout，然后介绍了本文中所使用的模型——深度残差网络的思想及其使用的Building Block模块的结构；最后又介绍了深度学习中最常用的训练优化方法和加速训练的方法，并且选取了随机梯度下降（SGD）和自适应时刻估计方法（Adam）算法用于我们接下来模型的训练。

本章首先对深度学习的基本原理进行了介绍，并详细介绍了最传统有效的深度学习方法——深度前馈网络。接着，阐述了卷积神经网络的起源和基本工作原理，并介绍了历史性突破——AlexNet的发明。其中，详细介绍了AlexNet的结构以及其中新技术的应用，如ReLU激活函数和Dropout。此外，本文还介绍了深度残差网络的思想及其使用的Building Block模块的结构。最后，本章介绍了深度学习中最常用的训练优化方法和加速训练的方法，并选取了随机梯度下降（SGD）和自适应时刻估计方法（Adam）算法用于我们接下来模型的训练。