深度学习图像分类模型总结
本文总结了常用深度学习模型在图像分类任务上的应用，包括CIFAR10、MNIST和ImageNet数据集。针对CIFAR10，介绍了模型结构；对于MNIST，提到了LeNet模型；在ImageNet部分，详细解析了2012年AlexNet的网络层配置，并简要提及2014年的GoogLeNet。文章旨在帮助读者理解这些模型的基本结构和工作原理。
本文中，我会根据下大家image classification常用的cnn模型，针对cifar10（for 物体识别），mnist（for 字符识别）& ImageNet（for 物体识别）做一个model 总结。
- 本文不讲coding（coding请见Convolution Neural Network (CNN) 原理与实现篇）
- 本文不涉及公司内部资料，纯公开资料汇总
好，本文就从数据集说起，对数据集不熟悉的小伙伴请先去了解下这3个数据集，下面我们针对每个数据集画出其通用模型。
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
1. Cifar10
60000张32*32彩色图，10类，每类5000张用于training，1000张用于testing，通常做object recognition／classification。
模型：（上面写的数字是该层节点数）
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
