机器学习系列（6）：ResNet、Inception原理及ResNet的python实现

机器学习系列（6）

图片挂了，大家可移步：
https://mp.weixin.qq.com/s?__biz=MzU4NTY1NDM3MA==&mid=2247483825&idx=1&sn=acdd27fe22e273c46a16d505ede87bae&chksm=fd8608bccaf181aa6a2b7ab5f9420bd9908f4bcb93b11e0cb75c86f079d13dc7d438421ff5ce&token=255604471&lang=zh_CN#rd

计算机视觉–ResNets、Inception原理及ResNets的Python实现

计算机视觉中的网络及方法：

• 经典网络
• 残差网络
• ResNets有效原因
• 1×1卷积
• Inception网络
• 迁移学习
• 数据扩充

Python实现：

• 见文章内容

申明

本文原理解释及公式推导部分均由LSayhi完成，允许转载注明出处；代码实现部分的框架由Coursera提供，由LSayhi完成，详细数据及代码可在github查阅。
https://github.com/LSayhi/DeepLearning

CSDN博客：https://blog.csdn.net/LSayhi

微信公众号：AI有点可ai

一、计算机视觉中的网络及方法

1.经典网络：

• 在深度学习的发展中，诞生了许多经典网络模型，这些网络给后来的网络结构提供了重大的参考，有的现在已经不怎么使用了，但是不管怎么样，这些网络的提出，不论在当时还是现在都有一定的意义，比如LeNet5、AlexNet、VGGNet等。这些网络一般是由卷积层和池化层以及输入输出层复合而成，通常，在一个或若干个卷积层之后，会连接一个池化层，在网络的最后几层，一般是将卷积结构转成全连接结构，然后再输出层使用softmax进行分类，随着网络的发展，网络的深度也越来越深，参数也越来越多。

2.残差网络࿱