经过5个月的努力，我终于完成了40篇不高不低还算有些干货的机器学习文章。回首看看这5个月的努力，每一次的写作都充满了开心与痛苦。说开心是因为当自己完成每一个章节的写作后，自己感觉对这一部分的知识有了更加深刻地认识，而痛苦则是对写作过程中一系列事情的恐惧——找不到好选题，对论文细节的困惑，跑不出想要的结果，难以用通俗易懂的语言描述自己所知……好在这一切就要告一段落了。
以下就做一个集合贴，展示一下这一季的所有文章，对本专栏文章感兴趣的童鞋，收藏这一篇就足够了（后续未发布的几篇和番外篇会更新上来）：

文章目录

CNN网络基础结构

神经网络-全连接层（1）

神经网络-全连接层（2）

神经网络-全连接层（3）

卷积层（1）

卷积层（2）

卷积层（3）

CNN网络上层结构

CNN——架构上的一些数字

CNN–结构上的思考

Caffe源码分析

Caffe代码阅读——层次结构

Caffe源码阅读——Net组装

Caffe代码阅读——Solver

CNN–两个Loss层计算的数值问题

Caffe源码阅读——DataLayer&Data Transformer

生成网络

DCGAN的小尝试（1）

DCGAN的小尝试（2）

VAE（1）——从KL说起

VAE(2)——基本思想

VAE(3)——公式与实现

VAE（4）——实现

优化算法

梯度下降是门手艺活……

路遥知马力——Momentum

CNN——L1正则的稀疏性

Caffe中的SGD的变种优化算法(1)

Caffe中的SGD的变种优化算法(2)

CNN可视化

CNN-反卷积（1）

CNN-卷积反卷积（2）

寻找CNN的弱点

CNN数值

CNN的数值实验 – 无痛的机器学习 – 知乎专栏

CNN数值——xavier（上） – 无痛的机器学习 – 知乎专栏

CNN数值——xavier（下） – 无痛的机器学习 – 知乎专栏

CNN数值——ZCA – 无痛的机器学习 – 知乎专栏

FCN

FCN(1)——从分类问题出发

FCN(2)——CRF通俗非严谨的入门

FCN(3)——DenseCRF

FCN(4)——Mean Field Variational Inference

Representation

CenterLoss——实战&源码

GPU

[翻译]Exploring the Complexities of PCIe Connectivity and Peer-to-Peer Communication – 无痛的机器学习 – 知乎专栏

“聊点轻松的”系列

聊点轻松的——划个水

聊点轻松的2——斗图篇

聊点轻松的3——什么是学习

聊点轻松的4——这回真的很轻松

聊点轻松的5——这篇写得并不轻松