最近在学习吴恩达Andrew Ng的深度学习课程之前对这几个网络还比较混乱,现在记录一下:
1.这是一个比较早的网络模型其中在卷积层后面加入池化层的思想先今还在使用。
2.在朂后的卷积层接入池化层和全连接层在当前也比较常用
注意:LeNet-5 是针对灰度图片训练的,所以图片的大小只有 32×32×1
AlexNet神经网络的贡献:
2.AlexNet 包含約 6000 万个参数相对于LeNet网络(有 6 万个参数)多了很多参数。能够处理非常相似的基本构造模块
3.从这开始,计算机视觉领域开始注意到深度學习
1.采用了非常复杂的方法在两个 GPU 上进行训练
2.经典的 AlexNet 结构还有另一种类型的层,叫作“局部响应归一化层”即 LRN 层。目前用到这个的不哆
结构:Alexnet网络和LeNet的网络结构比较相似
VGG-16神经网络的贡献:
2.随着网络的加深,图像的高度和宽度都在以一定的规律不断缩小;通道数量在不斷增加
1.数字 16就是指在这个网络中包含 16 个卷积层和全连接层。
2.这是一种只需要专注于构建卷积层的简单网络