深度学习--初识卷积神经网络
1.LeNet-5
80年代，正确率达到99.2% 5/6层
输入层：32*32
第一层：卷积层 6@28*28
第二层：下采样层 6@14*14
第三层：卷积层 16@10*10
第四层：下采样层 16@5*5
第五层：全连接层 120
第六层：全连接层 84
输出层：高斯连接层 10
2.AlexNet
2012年,8层网络结构 5个卷积层+3个
-
引入Max pooling 和 ReLU nonlinearity
-
多数据和大模型
-
GPU
-
Dropout引入
3.VGGNet
2014年：6个版本：11、16、19 19层
创新：小的卷积核窗口
4.GoogLeNet
2014年 22层
创新：
- 小的卷积核窗口
- 不同卷积核对同一层进行卷积
5.深度残差网络ResNet
引入shortcut连接，2-3层加一个短路，152层
现在主要学习ResNet和Inception网络就可以了
标签：10,16,--,卷积,神经网络,初识 From： https://www.cnblogs.com/ssl-study/p/17348505.html