复习深度学习相关知识。打算用numpy实现一个简单的可以训练，测试的cnn框架（model-free，model-based），包含一些主流的层和设计，以便复习与巩固基础。
2018.01.22
Target1: （model-free）实现mnist的训练与测试：
- layer: Conv2D, FullyConnect, MaxPooling, Softmax
- activation: Relu
- method: Mini-batch Gradient Descent(SGD)，learning_rate = 1e-5
| version | validation_acc | train_acc | inferencetime(ms/pf) |
|---|---|---|---|
| baseline | 96.75% | 97.15% | 2(ms/pf) |
2018.01.24
Target2: (model-based)实现Variable与Operator分离设计：
- 完成Variable与Operator 类的设计与graph的注册功能，GLOBAL_VARIABLE_SCOPE作为全局所有Variable,Operator的索引(graph)，Operator,Variable类自己维护自己的child,parent列表。（感觉有点像tf）
- 完成Conv2D类的设计，对比上一版本进行测试通过。
2018.01.25
- 完成其他基本组件的Operator改写,新版本的mnist训练。