整理经典的卷积网络架构

为了完善自己的学习系统，开始尝试对知识进行尽可能的整理和完整的理解掌握。

先从比较经典的CNN开始，之前对深度学习CNN做过粗略简单的入门介绍（深度学习入门的一些基础知识(CNN篇)），接下来针对经典的卷积网络架构做一个整理。

卷积神经网络(Convolutional Neural Network, CNN)是人工神经网络的的一种，不单单是卷积层、池化层、全连接层的堆叠，掌握CNN网络除了要理解卷积神经网络，在实际的应用过程中更重要的是如何设计好一个网络结构。

下面对几个经典的卷积网络架构进行系统的介绍：包括论文的解说、网络结构的解析、代码的实现。

LeNet5

AlexNet

VGG

GoogLeNet

Inception(V1,V2,V3)

ResNet

Inception V4

DenseNet

(其他：NIN、CaffeNet、ZFNet)

所有的论文和笔记会一点点合并整理到我的Github。

 

注：每天抽1-2小时，预估全部整理完看完搭建完网络需要两个月的时间。先占坑，这样就不好意思不往下继续了，间接督促自己。

---

搬运几张图

CNN架构演变

 

 

 图片来源：典型卷积神经网络架构