m0_46482112的博客

VGG优缺点分析：● VGG优点VGG的结构非常简洁，整个网络都使用了同样大小的卷积核尺寸（3x3）和最大池化尺寸（2x2）。● VGG缺点1)训练时间过长，调参难度大。2)需要的存储容量大，不利于部署。例如存储VGG-16权重值文件的大小为500多MB，不利于安装到嵌入式系统中。结构说明：● 13个卷积层（Convolutional Layer），分别用blockX_convX表示● 3个全连接层（Fully connected Layer），分别用fcX与predictions表示。

目标检测：YOLO系列变体（如YOLOv6、YOLOv8）尝试在Backbone中融合C3和注意力机制。图像分类：在轻量级分类网络（如MobileViT）中结合C3模块，平衡精度与速度。医学图像分析：需同时关注局部病变细节和全局解剖结构，C3-Transformer模型表现优异。C3-Transformer类模型通过融合卷积的局部归纳偏置和注意力的全局建模能力，在视觉任务中展现了更强的特征表达能力。未来发展方向可能集中在动态架构设计、轻量化部署和跨模态扩展上。

极简主义哲学：通过堆叠相同尺寸的小卷积核（3x3），既保证感受野等效于大核（5x5/7x7），又大幅减少参数量（2个3x3卷积参数量为2*(3²C²)=18C²，vs 单个5x5的25C²）。这种设计体现了"用深度换性能"的深度学习核心思想。空间信息处理范式：随着网络加深，特征图尺寸阶梯式减半（MaxPooling），通道数指数级增长（从64到512）。这种"空间压缩-特征扩展"的模式成为后续CNN设计的标准范式。

对数据维度进行扩充。给指定位置加上维数为一的维度函数原型：关键参数说明：● input (Tensor)：输入Tensor● dim (int)：插入单例维度的索引⭐torch.squeeze()详解对数据的维度进行压缩，去掉维数为1的的维度函数原型：关键参数说明：● input (Tensor)：输入Tensor● dim (int, optional)：如果给定，输入将只在这个维度上被压缩。

实现mnist手写数字识别,深度入门学习，仅供参考，相互学习交流