博客

 ResNet是当前应用最为广泛的CNN特征提取网络。它的提出始于2015年，作者是大名鼎鼎的三位人物He-Kaiming, Ren-Shaoqing, Sun-Jian。Resnet是残差网络(Residual Network)的缩写,该系列网络广泛用于目标分类等领域以及作为计算机视觉任务主干经典神经网络的一部分，典型的网络有resnet50, resnet101等。Resnet的出现证明网络能够向更深（包含更多隐藏层）的方向发展。 ResNet有两个基本的块，分别名为Conv Block和Identi

AlexNet模型架构整个实现过程分为模型构建、训练模型和测试模型。AlexNet_model.pyimport tensorflow.keras.layers as layersfrom tensorflow.keras import Sequentialdef build_model(): #网络层的搭建 model=Sequential() model.add(layers.Conv2D(96,kernel_size=11,strides=4,activation

LeNet架构如下：整个实现过程分为模型构建、训练模型和测试模型。lenet_model.pyimport tensorflow.keras.layers as layersfrom tensorflow.keras import Sequentialbatch_size=32 #这里必须与神经网络的输入尺寸一致def model(): #网络层的搭建 networks=Sequential([ layers.Conv2D(6,kernel_size=3,