开源框架与迁移
上面介绍了一些已经取得很好成绩的CNN框架，我们可以直接从GitHub上下载这些神经网络的结构和已经在ImageNet等数据集上训练好的权重超参数。
在应用于我们自己的数据时。
1.如果我们的数据集很小，我们可以采用对原框架和权重都保持不变，只更改最后的output层实现迁移。
2.如果我们的数据集大小中等，可以尝试冻结原框架的前面多层，对其后的层数进行更改。
3.如果我们的数据集很大，可以在原架构上尝试新的训练，不采用预训练的权重，还可以自行更改模型，做更多的尝试。
CNN中的数据扩充
因为CNN面对的问题基本上都是图像数据，在前面的博文中，已经总结了部分Andrew Ng关于数据扩充的方法，如下：
1.镜像翻转
2.随机裁剪并中心放缩
3.PCA主成分分析颜色变换法，举个例子图片都由RGB组成，我们可以对其中的R和G+50对B不变，这样图片就会显得更黄，增加了原图片在阳光下的效果。我们可以对数据集图片的环境进行分析，识别出主要色彩光线然后对图片进行扩增。