torch学习笔记2--itorch notebook初级使用，神经网络层大致介绍

由于本人是第一次使用ipython notebook框架，以前自己写Python代码都是使用的是spyder，所以刚上手是感觉真的很烦，什么都找不到。

 选择itorch

在github上下载https://github.com/torch/tutorials

然后就可是在自己的电脑上测试官方tutorials上的代码了。下面是我的结果显示（不过也不知道这个老头怎么出来的，明明是lena.png，却突然出现的是老头）

torch较全的教程http://nn.readthedocs.io/en/rtd/convolution/#spatialconvolution

2012年深度学习才开始发力，所以需要了解的内容并不算太多。

神经网络只有三种层

covolution layer：卷积层，提取图片的特征

pool layer：觉得图片过大，pool layer能够缩小需要处理的信息量，因为很多时候是能够被代替的。

full conncetied layer：全连接层，求loss的层。图片分类只需要一个层，但是目标检测则至少需要两个全连接层。

在第一个例子之中，它建设了一个简单的拥有16层（？）的神经网络

nn.SpatialConvolution(1,16,12,12)

　　这段则是生成了16层，卷积大小是12×12的框架，通道大小为1（图像一般都是3通道），可以对图像不进行灰度化，把1改为3。

res = n:forward(image.rgb2y(i))

　　把图像进行灰度化，然后进行前向神经传播操作（后反馈传播是用来得出梯度的简单方法）。