1.反卷积
http://www.360doc.com/content/19/0507/12/57110788_834069126.shtml
更形象https://blog.csdn.net/tsyccnh/article/details/87357447
分数步长的理解：https://www.cnblogs.com/qcloud1001/p/10000106.html；https://blog.csdn.net/dugudaibo/article/details/83109814
理解为一个稀疏的权重矩阵与图像相乘的过程
2.bp算法 神经元饱和
如果输出神经元是低激活（
）或者高激活（
），那么最后一层中的权重将学习得很慢。这种情况下，通常是说输出神经元已经饱和了，并且权重已经停止学习了（或者学习得很慢）
3. CNN的BP
https://blog.csdn.net/qq_16137569/article/details/81477906
4.理解卷积
https://www.zhihu.com/question/22298352
5.理解双三次插值
https://blog.csdn.net/qq_24451605/article/details/49474113
6.1x1卷积核
https://zhuanlan.zhihu.com/p/40050371
7. dead relu