笔记——CNN Architectures（cs231n 斯坦福计算机视觉公开课）

最新推荐文章于 2022-12-16 23:57:39 发布
最新推荐文章于 2022-12-16 23:57:39 发布
阅读量422 收藏 1
点赞数
分类专栏： 斯坦福机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_25222187/article/details/84386606
版权
本文探讨了从LeNet到ResNet的CNN架构演变，包括AlexNet、VGG和GoogLeNet的关键特点。LeNet是早期的代表，AlexNet引入深度学习，VGG通过小卷积核增加深度，GoogLeNet则采用Inception模块减少参数。ResNet通过残差连接解决了深度学习中的梯度消失问题，允许网络进一步加深。

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

常见的 CNN Architectures

  1. LeNet-5

  2. AlexNet 

  3. VGG

  4. GoogLeNet

  5. ResNet

一些计算：

全连接层、卷积、池化操作对于维度的改变：

Fully Connected Layer：暴力拉平操作，不管原来是什么样的长*宽*深。

image \: \: \: size:32\times 32\times \times 3 \Rightarrow 3072 \times 1

假设上图是一个分类神经网络的最后两层，该全连接层连接着输出层，输出层给出十个类别的数值。每一行权重W都表示一个 template，也就是一个类别，比如猫啊狗啊青蛙啊。

         

如图，左边粉色块状image \: \: \: size:32\times 32\times \times 3，右边蓝色块状表示一个卷积核。经过6个5\times 5\times 3的卷积核后

  

得到了一个新的 image：28\times 28\times 6（所以卷积核会改变输入的深度）

卷积操作后的输出：

输入：W_{1}\times H_{1}\times D_{1}

滤波器：K个

最低0.47元/天 解锁文章
机器学习(Machine Learning)与深度学习(Deep Learning)资料汇总
ZhangPY的专栏
02-28 7122
《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning. 《Deep Learning in Neural Networks: An Overview》 介绍:这是瑞士人工智能实验室Jurgen Schmidhuber写的最
机器学习(Machine Learning)&深度学习(Deep Learning)资料
热门推荐
weixin_30756499的博客
07-07 1万+
##机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 1)---#####注:机器学习资料[篇目一](https://github.com/ty4z2008/Qix/blob/master/dl.md)共500条,[篇目二](https://github.com/ty4z2008/Qix/blob/master/dl2.md)开始更新...
[Lecture 9 ] CNN Architectures（CNN架构）
qq_41341454的博客
04-20 683
文章目录课堂提问1. LeNet-52. AlexNet3. ZFNet4. VGGNet5. GoogleNet6. ResNet (残差网络)7. 比较8. 一些别的架构总结推荐阅读 课堂提问 Q1: 为什么学习ResNet中学习残差比学习直接映射要好？ A1: 具体请阅读原论文，但是从直觉上来说，我们直接学习映射，然后网络层堆的越来越多，最后可能太复杂了，但是如果学习残差，则我们加深网络的...
CNN笔记（CS231N）——CNN架构（CNN Architectures）
shanwenkang的博客
02-11 1162
CNN架构 这一讲主要介绍了一些常用的CNN架构，例如AlexNet、VGG、GoogleNet等 AlexNet AlexNet是一个八层的卷积神经网络，它是第一个采用ReLU激励函数的神经网络 由于当时内存限制，在这个网络中，同一卷积层被分为两个部分放在两个GPU中分别计算。在1、2、4、5层只计算本GPU中的特征图，在3、6、7、8层中将两个GPU中的特征图放在一起计算 ...
CS231n学习笔记--9.CNN Architectures
Kuekua的专栏
10-06 1095
1. AlexNetTips： Trained on GTX 580 GPU with only 3 GB of memory.Network spread across 2 GPUs, half the neurons (feature maps) on each GPU.所以在CONV1中分为两部分，每部分输出大小为55X55X48！ heavy data augmentation：a. 增大
斯坦福CS231n-计算机视觉—笔记汇总
深海小泡
12-17 6256
CS231n官方笔记授权翻译总集篇发布 - 智能单元 - 知乎专栏  https://zhuanlan.zhihu.com/p/21930884 CS231n课程笔记翻译：图像分类笔记（上） - 智能单元 - 知乎专栏  https://zhuanlan.zhihu.com/p/20894041 CS231n课程笔记翻译：图像分类笔记（下） - 智能单元 - 知乎专栏  http
cnn architecture
qq_21815863的博客
05-15 806
how to choose a cnn architecture1 1. Remember, deeper networks is always better, at the cost of more data and increased complexity of learning. Minibatch size is usually set of few hundreds.
机器学习与深度学习资料
Jason Ding的专栏
04-23 4551
《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning. 《Deep Learning in Neural Networks: An Overview》 介绍:这是瑞士人工智能实验室Jurgen Schmidhuber写的最新版本《神经网络与深
[9]CNN Architectures—CNN架构
叶说喜欢你的博客
07-22 466
文章目录LeNet-5AlexNetZFNetVGGNetGoogleNetResNet (残差网络)比较一些别的架构总结 LeNet-5 第一次用CNN来做手写体识别，网络比较浅，只有5层。 AlexNet 其在LeNet上做了一些改进，同时由于当时GPU容量不足，其特征图的前向计算和梯度的反向传播是在两张GPU上并行进行的。 其获得了2012年的ImageNet的冠军 ZFNet 其在AlexNet上做了一些超参数的优化，但是主要结构还是类似的，获得了2013年的ImageNet的冠军
lecture9,CNN Architectures
卓为的博客
10-25 263
1,AlexNet2,VGGNet3,GoogleNet4,ResNet5,NetworkInNetwork
CNN-Architectures
04-10
CNN建筑 使用LeNet的MNIST数据集
斯坦福大学公开课 CS231n_Convolutional_Neural_Networks_for_Visual_Recognition PPT
09-05
深度学习-面向视觉识别的卷积神经网络，2016斯坦福大学公开课。课程介绍： 计算机视觉在社会中已经逐渐普及，并广泛运用于搜索检索、图像理解、手机应用、地图导航、医疗制药、无人机和无人驾驶汽车等领域。而这些应用的核心技术就是图像分类、图像定位和图像探测等视觉识别任务。近期神经网络（也就是“深度学习”）方法上的进展极大地提升了这些代表当前发展水平的视觉识别系统的性能。 本课程将深入讲解深度学习框架的细节问题，聚焦面向视觉识别任务（尤其是图像分类任务）的端到端学习模型。在10周的课程中，学生们将会学习如何实现、训练和调试他们自己的神经网络，并建立起对计算机视觉领域的前沿研究方向的细节理解。最终的作业将包括训练一个有几百万参数的卷积神经网络，并将其应用到最大的图像分类数据库（ImageNet）上。我们将会聚焦于教授如何确定图像识别问题，学习算法（比如反向传播算法），对网络的训练和精细调整（fine-tuning）中的工程实践技巧，指导学生动手完成课程作业和最终的课程项目。本课程的大部分背景知识和素材都来源于ImageNet Challenge竞赛。 主讲人： 李飞飞，斯坦福大学计算机科学系副教授。担任斯坦福大学人工智能实验室和视觉实验室主任，主要研究方向为机器学习、计算机视觉、认知计算神经学。她在TED上的演讲，如何教计算机理解图片。
[CS131]2017斯坦福cs131计算机视觉课程笔记和课后作业
03-25
[CS131]2017斯坦福cs131计算机视觉课程笔记和课后作业 课件ppt在另外一个资源 大家关注公众号“计算机视觉这件小事”或者“AI-ming3526” 回复关键字“cs131”免费获取源码资源
CNN 计算机视觉课程斯坦福大学report
10-21
斯坦福大学2016CNN与计算机视觉课程学生所做的技术报告，有很多CNN有趣的应用
[CS131]2017斯坦福cs131计算机视觉课程ppt
03-25
[CS131]2017斯坦福cs131课程ppt 笔记和课后作业由于上传空间有限在另外一个地址 大家关注公众号“计算机视觉这件小事”或者“AI-ming3526” 回复关键字“cs131”免费获取源码资源
CNN Architecture
RhineYu's Blog
03-31 886
CS231n: Convolutional Neural Networks for Visual Recognition Lecture 9 CNN Architecture 笔记总结 主要根据ILSVRC（ImageNet Large Scale Visual Recognition Challenge）历届冠军论文，把经典的CNN Architecture做了整理，其中有加入个人理解，如有错...
CNN--based Network Architectures
博观而约取，深研而广求
08-20 319
主要参考资料为： cs231n–Lecture9: CNN Architectures
CS231N斯坦福计算机视觉公开课 01 - 图像分类流程
Insistence0807的博客
12-16 237
CS231N斯坦福计算机视觉公开课的课程笔记
学习笔记 -- 斯坦福课程：CNN for Visual Recognition（一）
毛可的专栏
01-13 2129
去年就想听听这“接地气”的课程了，但最终也没有坚持下来。今年既然有了在线的课程视频，我也开个笔记系列，好好地从基础开始学起吧。由于课程内容还是比较基础，这里只纪录一些个人觉得有趣或者有用的点，更多的内容大家直接去网站上看吧，相信会有不少收获的。
斯坦福CS231n视觉课程深度学习笔记解析
标题《CS231n课程笔记》指的是斯坦福大学开设的一门著名计算机视觉课程的讲义，CS231n是这门课程的代号。该课程详细讲解了计算机视觉中的深度学习技术，重点在于图像分类、神经网络以及卷积神经网络（CNN）等重要...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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