Merge pull request scutan90#2 from scutan90/master

update this repository

English version/ch02_MachineLearningFoundation/readme.md

@@ -10,7 +10,8 @@ xxx-xxx
 **Contributors (in no particular order): **
 Content contributors can add information
 
-Liu Yanchao - Southeast University
-Liu Yuande-Shanghai University of Technology (Content Revision)
+Liu Yanchao - Southeast University  
+Liu Yuande-Shanghai University of Technology (Content Revision)  
+Jingwen Zheng - Data Scientist  
 
 ###########################################################

English version/ch04_ClassicNetwork/ChapterIV_ClassicNetwork.md

@@ -18,7 +18,7 @@ As shown in Figure 4.1, LeNet-5 consists of 7 layers (the input layer is not use
 Table 4.1 LeNet-5 Network Parameter Configuration
 
 | Network Layer | Input Size | Core Size | Output Size | Trainable Parameter Quantity |
-| :-------------: | :------------------: | :----------- -----------: | :------------------: | :--------------- --------------: |
+| :-----------: | :--------: | :-------: | :---------: | :--------------------------: |
 | Convolutional Layer $C_1$ | $32\times32\times1$ | $5\times5\times1/1,6$ | $28\times28\times6$ | $(5\times5\times1+1)\times6$ |
 | Downsampling layer $S_2$ | $28\times28\times6$ | $2\times2/2$ | $14\times14\times6$ | $(1+1)\times6$ $^*$ |
 | Convolutional Layer $C_3$ | $14\times14\times6$ | $5\times5\times6/1,16$ | $10\times10\times16$ | $1516^*$ |
@@ -62,7 +62,7 @@ As shown in Figure 4.3, except for downsampling (pooling layer) and Local Respon
 Table 4.2 AlexNet Network Parameter Configuration
 
 | Network Layer | Input Size | Core Size | Output Size | Trainable Parameter Quantity |
-| :-------------------: | :-------------------------- --------: | :--------------------------------------: | :----------------------------------: | :----------- --------------------------: |
+| :-----------: | :--------: | :-------: | :---------: | :--------------------------: |
 | Convolutional Layer $C_1$ $^*$ | $224\times224\times3$ | $11\times11\times3/4,48(\times2_{GPU})$ | $55\times55\times48(\times2_{GPU})$ | $(11\times11\times3+1)\times48\times2$ |
 | Downsampling layer $S_{max}$$^*$ | $55\times55\times48(\times2_{GPU})$ | $3\times3/2(\times2_{GPU})$ | $27\times27\times48(\ Times2_{GPU})$ | 0 |
 | Convolutional Layer $C_2$ | $27\times27\times48(\times2_{GPU})$ | $5\times5\times48/1,128(\times2_{GPU})$ | $27\times27\times128(\times2_{GPU}) $ | $(5\times5\times48+1)\times128\times2$ |
@@ -114,7 +114,7 @@ Figure 4.5 (a) Characteristic map of the first layer output of ZFNet (b) Charact
 
 Table 4.3 ZFNet Network Parameter Configuration
 | Network Layer | Input Size | Core Size | Output Size | Trainable Parameter Quantity |
-| :-------------------: | :-------------------------- --------: | :--------------------------------------: | :----------------------------------: | :----------- --------------------------: |
+| :-----------: | :--------: | :-------: | :---------: | :--------------------------: |
 | Convolutional Layer $C_1$ $^*$ | $224\times224\times3$ | $7\times7\times3/2,96$ | $110\times110\times96$ | $(7\times7\times3+1)\times96$ |
 | Downsampling layer $S_{max}$ | $110\times110\times96$ | $3\times3/2$ | $55\times55\times96$ | 0 |
 | Convolutional Layer $C_2$ $^*$ | $55\times55\times96$ | $5\times5\times96/2,256$ | $26\times26\times256$ | $(5\times5\times96+1)\times256$ |
@@ -190,7 +190,7 @@ In the original paper, VGGNet contains six versions of evolution, corresponding
 Table 4.5 VGG16 network parameter configuration
 
 | Network Layer | Input Size | Core Size | Output Size | Number of Parameters |
-| :--------------------: | :-------------------: | :--- ------------------: | :--------------------: | :------ -----------------------: |
+| :-----------: | :--------: | :-------: | :---------: | :------------------: |
 | Convolutional Layer $C_{11}$ | $224\times224\times3$ | $3\times3\times64/1$ | $224\times224\times64$ | $(3\times3\times3+1)\times64$ |
 | Convolutional Layer $C_{12}$ | $224\times224\times64$ | $3\times3\times64/1$ | $224\times224\times64$ | $(3\times3\times64+1)\times64$ |
 | Downsampling layer $S_{max1}$ | $224\times224\times64$ | $2\times2/2$ | $112\times112\times64$ | $0$ |
@@ -243,7 +243,7 @@ Figure 4.10 Inception$_{v1-4}$ structure diagram
 Table 4.6 Inception$_{v1}$ Network Parameter Configuration in GoogLeNet
 
 | Network Layer | Input Size | Core Size | Output Size | Number of Parameters |
-| :--------------------: | :-------------------: | :--- ------------------: | :--------------------: | :------ -----------------------: |
+| :-----------: | :--------: | :-------: | :---------: | :------------------: |
 | Convolutional layer $C_{11}$ | $H\times{W}\times{C_1}$ | $1\times1\times{C_2}/2$ | $\frac{H}{2}\times\frac {W}{2}\times{C_2}$ | $(1\times1\times{C_1}+1)\times{C_2}$ |
 | Convolutional layer $C_{21}$ | $H\times{W}\times{C_2}$ | $1\times1\times{C_2}/2$ | $\frac{H}{2}\times\frac {W}{2}\times{C_2}$ | $(1\times1\times{C_2}+1)\times{C_2}$ |
 | Convolutional Layer $C_{22}$ | $H\times{W}\times{C_2}$ | $3\times3\times{C_2}/1$ | $H\times{W}\times{C_2}/ 1$ | $(3\times3\times{C_2}+1)\times{C_2}$ |

English version/ch04_ClassicNetwork/readme.md

@@ -9,4 +9,6 @@ South China Institute of Technology graduate student - Huang Qinjian (wechat: HQ
 **Contributors (in no particular order):**
 Content contributors can add information
 
+Jingwen Zheng - Data Scientist  
+
 ###########################################################

README.md

@@ -1,3 +1,29 @@
+# 禁止转载，禁止转载，禁止转载！
+# GitHub上非最新内容，最新内容请期待新书。
+
+## 请提交内容的各位，私加微信tan_weixin88.提交个人信息：姓名-毕业学校-学历-工作单位-职位-电话-邮箱
+
+### 学习交流群
+
+
+
+<center>
+    <img src="qun.png" width="300"/>
+    <br>
+    <div">学习交流群</div>
+</center>
+
+
+
+
+
+## 理解CNN、CNN可视化  CNN-Visualization 
+
+## https://github.com/scutan90/CNN-Visualization
+
+## 深度学习乳腺癌识别与诊断
+
+## https://github.com/scutan90/Breast-imaging-Deeplearning
 
 # 英文版本 
 
@@ -10,20 +36,20 @@
 
 # 2. 概述
 
-本项目是大家对AI的相关知识进行整合，集思广益, 以便形成 内容充实，覆盖全面的文集。 
+本项目是大家对AI的相关知识进行整合，集思广益，以便形成 内容充实，覆盖全面的文集。 
 
 
 # 3. 加入以及文档规范
 1、寻求有愿意继续完善的朋友、编辑、写手；如有意合作，完善出书（成为共同作者）。    
-2、所有提交内容的贡献者，将会在文中体现贡献者个人信息（例: 大佬-西湖大学）  
+2、所有提交内容的贡献者，将会在文中体现贡献者个人信息（例：大佬-西湖大学）  
 3、为了让内容更充实完善，集思广益，欢迎Fork该项目并参与编写。请在修改MD文件的同时（或直接留言）备注自己的姓名－单位（大佬－斯坦福大学），一经采纳，会在原文中显示贡献者的信息，谢谢！    
 4、推荐使用typora-Markdown阅读器：https://typora.io/  
 
 设置：
 文件->偏好设置  
 
 - Markdown扩展语法
-  - 内敛公式
+  - 内联公式
   - 下标
   - 上标
   - 高亮
@@ -62,15 +88,15 @@
 1. 寻求有愿意继续完善的朋友、编辑、写手; 如有意合作，完善出书（成为共同作者）。    
     所有提交内容的贡献者，将会在文中体现贡献者个人信息（大佬-西湖大学）。   
 
-2. 联系方式 : 请联系[email protected]　(唯一官方邮箱)；　微信Tan：      
+2. 联系方式：请联系[email protected]　(唯一官方邮箱)；　微信Tan：      
 
    (进群先在MD版本增加、改善、提交内容后，更易进群，享受分享知识帮助他人。)
 
-   ![](./qun5.png)
+   ![](./qun23.png)
 
 3. Markdown阅读器推荐：https://typora.io/ 免费且对于数学公式显示支持的比较好。
 
-4. 注意, 现出现不法分子冒充发起人，请广大伙伴儿知悉！
+4. 注意，现出现不法分子冒充发起人，请广大伙伴儿知悉！
 
 5. 接下来，将提供MD版本，大家一起编辑完善，敬请期待！希望踊跃提建议，补充修改内容！