通过Function index可以参看MatConvNet中的主要函数，其中
包含如下几大类：
- 构成模块（Building Blocks)：MatCovNet用于CNN计算的核心模块，用户可以对这些构成模块进行组合来构建CNN（或者使用MatConvNet提供的包装器，也就是SimpleNN包装器和DagNN包装器）
- SimpleCNN包装器：轻量级的CNN网络包装器，主要将构成模块中的计算模块进行线性连接。
- vl_simplenn：轻量级的线性拓扑结构的CNN包装器。
- vl_simplenn_tidy：升级或者修复一个CNN
- vl_simplenn_display：显示CNN的架构
- vl_simplenn_move：将CNN在CPU或者GPU之间移动。
- DagNN包装器：面向对象的可以支持更复杂网络结构的包装器。
- 其他函数：一些工具函数
下面我们来看看vl_simplenn这个函数的几个用法:
RES = VL_SIMPLENN(NET, X) %evaluates the convnet NET on data X
RES = VL_SIMPLENN(NET, X, DZDY) % evaluates the convnent NET and its derivative on data X and output derivative DZDY (foward+bacwkard pass).
RES = VL_SIMPLENN(NET, X, [], RES) ％evaluates the NET on X reusing the structure RES
RES = VL_SIMPLENN(NET, X, DZDY, RES) ％evaluates the NET on X and its derivatives reusing the structure RES.
vl_simplenn函数的输入选项：
- Mode
- ConserveMemory
- CuDNN
- Accumulate
- BackPropDepth
- SkipForward
vl_simplenn函数的输出格式：
simplenn的结果返回至RES结构中，RES(1)包含网络的输入，RES(2), RES(3),...包含从开始到结束每一层的输出，其中每一层有含有如下的field：
res(i+1).x: 为第
i层网络的输出，因此，res(1).x 就是网络的输入，也就是输入数据。res(i+1).dzdx: 第
i层网络输出数据的导数.res(i+1).aux: 第
i层网络的附加信息，比如dropout使用的Mask信息。res(i+1).dzdw: 第
i层网络参数的导数。
我们看一个简单的例子：
res = vl_simplenn(net, inputs, dzdy, res, ...
'mode','test', ... %测试模式，进行forward and backward propagation
'conserveMemory', false, ...
'backPropDepth', +inf, ... %反向传播至网络第一层
'cudnn', true) ; ％使用cudnn
其实vl_simplenn的代码就是将输入Net的层次用for循环展开，然后分别完成Forward pass和Backward pass，
