作为一个深度学习er，感觉学习过程使人迷惑，有时候不知道为什么这样做能好， 有时候怀疑黑盒到底能不能做，特别是 —— 遇到问题的时候，就像一个小朋友，你为什么这么多 ❓❓❓❓
因此，尝试从一些主要的模型出发，包括一些原理和实现，集大佬之所长，希望能为自己解惑。 故此项目就作为自我学习深度学习的杂货铺吧 ！！！
伴随着模型或者方法的论文，阅读这些东西必然能够对其产生不同程度的理解，但是，由于作者的写作手法以及阅读者的知识水平的局限， 很难完全理解，就不用提给自己的学习带来启发了。因此，用文字记录自己的理解或许是一种不错的方式。
根据目前的知识局限，暂且做一个简单的分类:
- 网络：最常用的网络结构，一般是模型中的层（layer）的概念（MLP，RNN，CNN）；
- 模型： 通过不同的网络结构组成的用于解决某一类问题提出的架构（GAN，AutoEncoder，xxNet）；
- 优化器：用于优化模型参数的算法（SGD，RMSProp，AdaGrad，Adam）；
- 调优技巧：这里就集中说一些特定模型调参的技巧，想来会非常杂乱。
说到底，一个模型提出来了，如果不去实现或者使用，就只能是隔岸观火 ———— 很难感同身受，因此，Show yourself the code !!!