循环神经网络（Recurrent Neural Networks，RNN）是一种常用的神经网络结构，其在处理和预测序列数据的问题上有着良好的表现。RNN最重要的结构是长短时记忆网络（LSTM），它可以帮助网络记住任意长度的输入序列，并输出相应长度的输出序列。RNN在自然语言处理、语音识别、股票预测等领域都有广泛的应用。

写了很多次单点登录但是每次写都得回去看一遍，老是会忘记，所以决定在这里写篇博客（方便）

本篇博客用到的技术栈：

1. 框架
2. 框架
3. （）

本博客主要介绍的是我和舍友最近开发的一个微信小程序——

这个小程序是一个用来服务于修勾的平台，主要用户功能有发布、收藏、删除领养公告以及领养自己喜欢的修勾，以及本项目的一大亮点——“拍照识修勾”即用户拍照后平台进行分析得出相似度最高的修勾品种（小程序介绍是复制我荣哥的）

这篇博客主要用来放一些有用的知识点和可复用的代码段。

由于在项目的小狗特征类别识别中，我们希望用的模型是，因此在这里先记录一下这个模型的学习过程。

本期博客主要内容：

1. 函数类
2. 残差块
3. ResNet模型

最近一段时间一直在写比赛的小程序，准备实现一个小狗收养的系统。并决定在其中添加一个拍照识别小狗类别的模块。

初定是使用神经网络，由于最近一直在编写这个项目，因此一直没有更新深度学习的博客，现在决定来填填坑。

本篇博客主要内容是：

1. 介绍全连接层与卷积层之间的关系
2. 介绍卷积层的概念与公式
3. 讲解卷积层在图像中的应用以及一些问题的解决方案
4. 解释汇聚层的原理与分类