开始

在第三节我们实现了读取网络proto的基本流程，但是有一个功能没有实现，就是我们在实例化Layer的时候，其实是实例化了父类的Layer，并没有实例化子类的Layer，这样后面就没法调用子类Layer的方法．在上一节，我们实现了squeezenet中用到的所有子类Layer，所以在这一节，我们就实现如何对在读取网络proto的时候，智能的实例化不同的子类Layer.

我们继续插上新的小红旗：

开始

今天我们开始下一节，那就是我们要开始创建Layer子类，因为有了Layer子类，我们才可以针对不同的op进行不同的操作．所以我们再次插上一个小红旗．

开始

今天我们开始第三课，来说一些如何读取网络的proto信息，所以我们又要插上一个小红旗：

开始

今天我们开始第二课,也就是Net/Layer/Blob的讲解.

开始

从本篇开始，我们来拆解NCNN的代码，共同学习一下NCNN的相关知识．如果有错误，希望大佬指正，大家共同学习．

初步的大计划程如下：

一

这个tutorial是笔者在自己学习ncnn的过程的一个记录．等于把自己的理解写了出来，如果有差错，还请大家指正．

这个tutorial还没有写完，后面会随着学习的深入，会不定期的更新．

前言

来自于2020年1月份的一篇arxiv文章.文章的主要思想是通过给CNN网络(以分类模型举例)的输入图加入噪声来使得模型更加的鲁棒．

与之前手动加入噪声不同的是，该文章采用对抗网络的思想，通过一个噪声生成器来生成噪声,并尽量使你的分类模型(判别模型)做出错误的分类．

而你的分类模型的目的是尽量能够不被加入的图片噪声干扰，依然能做做出正确的输出.最终经过数轮的迭代训练,达到使得你的分类模型能够抵抗各类噪声干扰的目的．

What is saferm?

A safe deletion script to prevent you from wrongly deleting important files in your Linux system.

Applicable conditions

If you want to deal with thousands of cases in a same way, you can use this method to accelerate the processing speed.
For example, when you want to load millions of images and process them independently, you can apply this method which may accelerate your processing speed hugely,