作业内容：
1：文字回答：DenseNet-B，DenseNet-C，DenseNet-BC分别表示什么意思？
Densenet+bottlenect layer 瓶颈层用来降低特征图通道数，减少后续卷积的计算量
Densenet+compression 在transition layer采用较少的卷积核进行特征提取，从而压缩特征图通道数
Densenet+BC: 即加入bottlenect layer, 又加入compression
2：文字回答：论文中的k表示什么意思？k，2k, 4k, 这三个值分别在哪里使用过？
增长率，用来描述dense block钟特征图多少
k：一个dense block有多少层
2k：DenseNet 进入每个block前，头卷积部分用了2k个卷积核
4k：每个block内瓶颈层卷积核数
3：文字回答： 用自己的语言描述DenseNet网路结构由几部分组成，每个部分主要有什么组件？
Bottlenect layer层
DenseBlock层
Transition Layer层
Classification层
组件有：Dense connectivity 稠密连接：在每一个block中，每一层的输入都来自它前面所有层的特征图，每一层的输出均会直接连接到它后面所有层的输入
压缩函数：将BN层、ReLU层和3x3卷积层组成一组操作对特征进行提取
池化层：用于降低特征图分辨率，DenseNet将特征图分辨率下降操作称为：transition layer,由BN,1X1卷积，2x2池化构成
增长率：稠密连接的方式，使得特征图通道数随着网络层的加深不断增多，因此要控制特征图数量，在此引入Growth rate超参数k来衡量denseblock中特征图的多少，即卷积层中卷积核的个数
Bottlenet layer：瓶颈层来降低特征图通道数，减少后续卷积的计算量
Compression: 为了进一步使DenseNet紧凑，在transition layer处采用较少的卷积核进行特征提取，从而压缩特征图通道数，一般压缩率为0.5
4：文字回答：读完该论文，对你的启发点有哪些？
1）信息流通不顺畅时，普遍采用捷径连接来处理
2）多采用捷径连接，便于信息流通，以及梯度传递，可使模型便于训练
3）稠密连接在小数据集上起到正则作用，即densenet比较适合小数据集
4）不同层处理得到的特征进行连接，可丰富下一层网络输入特征的多样性，以及提高效率
5）ResNet的求和形式有缺陷，会阻碍信息的流通，后续对要用拼接而不是求和时，可以提到densenet
6）多级特征融合时，要在卷积层之前执行BN-RELU，否则多个层级输出时就执行BN，会导致特征的尺度不一致
7）Bottlenect layer比较清晰的解说，3x3卷积之前利用1x1卷积减少特征图通道数的操作称之为Bottleneck layer
8）常见且广泛应用的数据增强方式——镜像+平移
9）常规的数据集划分
10) DenseNet的训练极其消耗存储空间，因为保留大量的计算图，用于反向传播计算
11）模型不能进一步提升性能，无法拉开与浅层模型的差异，不一定是模型设计问题，有可能是数据集太小，不足以体现模型的能力。 数据和模型之间都要适配
12）当绝对变化量较小时，可考虑相对变化量（写论文时用）
13）DenseNet主要与ResNet对比，因此超参未进行改动，就能超越ResNet,若针对性的修改超参，可进一步提高DenseNet的精度
14） 3x3 conv pooling仅在头部
5：代码实现(选做题)：在cifar-10上训练一个DenseNet-40或者DenseNet-100，将训练曲线，混淆矩阵图等信息贴出来分享