① 網課筆記怎麼做
抓住重點，詳細捕捉。我記筆記時會先把老師板書的重點內容記下來。然後，在聽課過程中補充一些細節性的知識。另外，詳細記下沒有聽懂的內容，進行標注，方便下課之後再進行學習。
整理筆記可以讓我在復習備考時更准確地抓住重點，更輕松自信地度過充滿壓力的期末復習時間。每次看著自己滿滿的筆記本，也會擁有滿滿的成就感！
上課記錄筆記尤為重要的一點是：不要為了記筆記而耽誤了聽課。你可以先用簡單的幾個字先代替，下課時再補全內容。同時，筆記是讓我們更好梳理知識點的一個工具，所以要條理清晰，適當運用標記或不同顏色區分筆記重點。
除此之外，做筆記也要成就自己的一套體系。我們可以選擇用筆記本，也可以寫在書上，只要將知識點記錄清楚即可。相對而言，我更喜歡把筆記寫在書上，因為這可以結合書上的一些例題來更好地掌握知識。
在專注聽講的前提下才能做好筆記。課上，我會在書上簡略地做筆記（比如劃線、寫關鍵詞等），用拍照、截圖等方式記錄老師講解的PPT；課後，我會重新整理筆記，把重要的知識點歸納進筆記本。
這樣就可以有效避免在課上花大量時間記筆記而忽略了課堂內容。再次記筆記會在心中重新捋順邏輯，便於思維導圖的構建。
筆記在提高學習專注度的同時，還為課後鞏固和期末復習打下了堅實基礎。
對於自己做筆記的心得，其一，選擇適合自己的筆記本。我向大家推薦每一頁都是獨立的活頁本，不僅可以減少上課攜帶的筆記本的數量，還可以在課程結束後將筆記訂裝成冊，而且未用完的紙張還可以留著以後用。其二，對筆記內容進行排版，提升其層次感。比如標注出不同層次的標題，並使用不同的格式等。其三，突出重點以便記憶。對於老師課堂上提出的重難點知識，我們可以用不同顏色的筆或者畫符號標記出來，必要的時候可以在旁邊記錄一些案例，這樣便會提高學習效率。
在學習時，我會通過以下幾個方法做筆記。首先，重點不同，標注不同。我會將書本和PPT上沒有的內容做好記錄，將老師說的重點、自己不懂的知識點、經過思考後才明白的知識點分別做不同記號。其次，課後整理筆記。聽課過程中，我會在自己腦海形成知識體系，課後再梳理筆記。最後，利用框架鞏固復習。在掌握所有知識的前提下，寫出一個簡潔的知識框架，下次復習時看著它聯想知識點，以此查缺補漏。
每個人記筆記都有不同的方法，我的方法也僅供大家參考，畢竟適合自己的方式才是最好的！
② 殘差網路ResNet筆記
作者根據輸入將層表示為學習 殘差函數 。實驗表明，殘差網路更容易優化，並且能夠通過增加相當的深度來提高准確率。
核心是解決了增加深度帶來的副作用（退化問題），這樣能夠通過單純地增加網路深度，來提高網路性能。
網路的深度為什麼重要？
因為CNN能夠提取low/mid/high-level的特徵，網路的層數越多，意味著能夠提取到不同level的特徵越豐富。並且，越深的網路提取的特徵越抽象，越具有語義信息。
為什麼不能簡單地增加網路層數？
怎麼解決退化問題？
深度殘差網路。如果深層網路的後面那些層是恆等映射，那麼模型就退化為一個淺層網路。那現在要解決的就是學習恆等映射函數了。 但是直接讓一些層去擬合一個潛在的恆等映射函數H(x) = x，比較困難，這可能就是深層網路難以訓練的原因。但是，如果把網路設計為H(x) = F(x) + x,如下圖。我們可以轉換為學習一個殘差函數F(x) = H(x) - x. 只要F(x)=0，就構成了一個恆等映射H(x) = x. 而且，擬合殘差肯定更加容易。
其他的參考解釋
這種殘差學習結構可以通過前向神經網路+shortcut連接實現，如結構圖所示。而且shortcut連接相當於簡單執行了同等映射，不會產生額外的參數，也不會增加計算復雜度。 而且，整個網路可以依舊通過端到端的反向傳播訓練。
ImageNet上的實驗證明了作者提出的加深的殘差網路能夠比簡單疊加層生產的深度網路更容易優化，而且，因為深度的增加，結果得到了明顯提升。另外在CIFAR-10數據集上相似的結果以及一系列大賽的第一名結果表明ResNet是一個通用的方法。
F(x)與x相加就是就是逐元素相加，但是如果兩者維度不同，需要給x執行一個線性映射來匹配維度：
用來學習殘差的網路層數應當大於1，否則退化為線性。文章實驗了layers = 2或3，更多的層也是可行的。
用卷積層進行殘差學習： 以上的公式表示為了簡化，都是基於全連接層的，實際上當然可以用於卷積層。加法隨之變為對應channel間的兩個feature map逐元素相加。
key point：
key point：