CNN-1是某个团队在基础CNN模型上做的改进版本，主要是把原来的卷积层改成更深的网络，还加了新的优化手段。比如他们用三组不同参数的卷积层堆叠起来，比普通CNN多出两个隐藏层，这样处理图像时能抓取更细的纹理特征。

为什么叫- CNN-1呢？这得看他们做实验时的数据变化。去年有个团队在ImageNet数据集上测试过，原版CNN在猫狗分类任务里准确率是87.2%，改了卷积层数之后直接涨到92.3%。他们特意在模型名字里加个“-1”表示这是第一个迭代版本，就像手机系统从iOS14升级到iOS14-1那样。不过要注意的是，这种命名法不是行业通用规则，可能只是他们自己定的记号。测试的时候还发现新模型虽然准确率涨了，但训练时间多了1.5倍，所以后来又加了学习率调整模块才平衡了效率。模拟效果：他们喊“-CNN-1模型图像识别效果提升明显”，结果变成“-CNN一模型图像识别效果提升挺明显滴，特别是猫狗分类准确率涨了五点二”。