青鸠的博客

TF2.0基于fashion数据集的DenseNet神经网络搭建

TF2.0基于fashion数据集的ResNet神经网络搭建1、ResNet简介随着网络的加深，出现了训练集准确率下降的现象，我们可以确定这不是由于Overfit过拟合造成的(过拟合的情况训练集应该准确率很高)。传统的卷积网络或者全连接网络在信息传递的时候或多或少会存在信息丢失，损耗等问题，同时还有导致梯度消失或者梯度爆炸，阻碍网络收敛，导致很深的网络无法训练。ResNet（Residual Neural Network）由微软研究院的Kaiming He等四名华人提出，通过使用ResNet Unit

TF2.0基于fashion数据集的GoogLeNet神经网络搭建1、GoogLeNet简介2014年，GoogLeNet和VGG是当年ImageNet挑战赛(ILSVRC14)的双雄，GoogLeNet获得了第一名、VGG获得了第二名，这两类模型结构的共同特点是层次更深了。VGG继承了LeNet以及AlexNet的一些框架结构（详见 大话CNN经典模型：VGGNet），而GoogLeNet则做了更加大胆的网络结构尝试，虽然深度只有22层，但大小却比AlexNet和VGG小很多，GoogleNet参数

TF2.0基于fashion数据集的VGG16神经网络搭建1、VGG16简介VGG是由Simonyan 和Zisserman在文献《Very Deep Convolutional Networks for Large Scale Image Recognition》中提出卷积神经网络模型，其名称来源于作者所在的牛津大学视觉几何组(Visual Geometry Group)的缩写。该模型参加2014年的 ImageNet图像分类与定位挑战赛，取得了优异成绩：在分类任务上排名第二，在定位任务上排名第一。

TF2.0基于fashion数据集的AlexNet神经网络搭建1、AlexNet模型简介这张图片本来上半部分就没有，论文中就是给的这个图。然后之所以用的上下两半一样的结构，是因为他们当时用的GPU计算力有限，所以用了两块GPU：GTX 580。现在都是2020年了，你笔记本上的GPU估计都是GTX1080了，所以下面讲的时候就当作是只用的一个GPU来分析。AlexNet共有八层，有60M以上的参数量。前五层为卷积层：convolutional layer；后三层为全连接层，fully conn

TF2.0基于fashion-mnist数据集的LeNet神经网络搭建1、Fashion数据集简介不同于mnist手写字数据集那么简单，Fashion——mnist数据集包含了10个类别的图像，分别是：t-shirt（T恤），trouser（牛仔裤），pullover（套衫），dress（裙子），coat（外套），sandal（凉鞋），shirt（衬衫），sneaker（运动鞋），bag（包），ankle boot（短靴）。数据及已经被集成在keras中，通过tf.keras.datasets.fash