m0_62649870的博客

论文地址VGGNet突出贡献是证明了很小的卷积，通过增加网络深度可以有效提高性能；小卷积核组：通过堆叠多个3*3的卷积核来替代大的卷积核，以减少所需参数；全部使用3x3卷积核，不仅会涉及到计算量，还影响到感受野。在VGG中，使用3个3x3卷积核来替代7x7卷积核，主要目的是保证在具有相同感受野的条件下，提高网络深度，一定程度上提升神经网络的效果。感受野，简单理解是输出Feature Map上的一个神经元对应输入层的区域大小。

colab安装，深度学习模型，如何使用colab，gpu安装

AlexNet是第一个引起大家注意的卷积神经网络卷积层+全连接层首次采用Relu作为激活函数，并证明在较深的网络中Relu超过了Sigmoid首次提出Dropout来防止过拟合首先使用GPU来加速神经网络的训练速度论文地址。