AlexNet:2012
这是第一个在ImageNet大赛中取得成绩的卷积神经网络,值得注意的是,它的网络架构分为两部分,这是因为当时的GPU大小不足以支撑一个完整的AlexNet,于是研究者将其分为两部分,使其在两个GPU中运行。
ZFNet:2013
它是AlexNet的一个改进:修改了AlexNet卷积核和步长以及超参数,使其的错误率更低。
GoogleNet:2014
它的特点是有一个inception module:使用不同大小的卷积核对输入进行处理,并将结果并行输出。这种方法的效果确实不错,但它的问题在于,这对算力的要求过于巨大。
为了解决这个问题,GoogleNet在做大小大于1×1的卷积核的计算前和池化后,使用一个1*1的卷积核对其进行压缩(相当于对其维度进行线性组合),以减少计算。
可以看到,在整个架构的右侧有两个输出端,它们被称为辅助分类输出端,因为有时候我们仅通过部分神经网络也能够得到一些有用的输出。