[tensorflow2笔记九] 使用keras复现经典卷积网络LeNet、AlexNet、VGGNet、InceptionNet、ResNet

1. LeNet

LeNet卷积神经网络LeCun在1998年提出，卷积网络的开篇之作。通过共享卷积核减少了网络参数。

LeNet一共有5层网络，两个卷积计算层，3个全连接层。如图C1,C3,C5,F6,Output

代码实现：

class LeNet(Model):
    def __init__(self):
        super(LeNet, self).__init__()
        self.c1 = Conv2D(filters=6, kernel_size=(5, 5), activation='sigmoid')
        self.p1 = MaxPool2D(pool_size=(2, 2), strides=2)

        self.c2 = Conv2D(filters=16, kernel_size=(5, 5), activation='sigmoid')
        self.p2 = MaxPool2D(pool_size=(2, 2), strides=2)

        self.flatten = Flatten()                            # 将来自卷积层的数据拉直
        self.f1 = Dense(120, activation='sigmoid')
        self.f2 = Dense(84, activation='sigmoid')
        self.f3 = Dense(10, activation='softmax')

2. AlexNet

AlexNet诞生于2012年，Hinton的代表作之一，当年ImageNet竞赛的冠军。

AlexNet使用relu激活函数，提升了训练速度；使用Dropout缓解了过拟合。

共有8层，前5层是卷积层，后3层是全连接层。

代码实现：

class AlexNet(Model):
    def __init__(self):
        super(AlexNet, self).__init__()
        self.c1 = Conv2D(filters=96, kernel_size=(3, 3))     
        self.b1 = BatchNorma