经典卷积神经网络

本文详细介绍了深度学习中的经典卷积神经网络结构,包括LeNet、AlexNet、VGG、NiN、GoogLeNet以及ResNet和DenseNet。每个网络结构的特点和创新点被逐一阐述,如AlexNet的ReLU激活函数和Maxpooling,VGG的深网络结构,NiN的全局平均汇聚层,GoogLeNet的Inception块,ResNet的残差学习,和DenseNet的稠密连接。这些网络设计在解决深度学习中的过拟合、计算效率和模型复杂度方面起到了关键作用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

# 《动手学深度学习》——李沐

LeNet

        两层卷积+三个全连接层。

 

 

AlexNet

         与LeNet的设计理念类似,但仍存在这许多差异。

  • AlexNet深度更深,五个卷积层+三个全连接层
  • 使用ReLu作为激活函数,相比sigmoid更加简单。并且缓解梯度消失的问题。
  • Maxpooling

 VGG(使用块的网络)

经典卷积神经网络的基本组成部分是下面的这个序列:

  • 带填充以保持分辨率的卷积层;
  • 非线性激活函数,如ReLU;
  • 汇聚层,如最大汇聚层

VGG 网络可以分为两部分:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值