深度学习各种常见的Net

转自：https://blog.csdn.net/qq_38906523/article/details/79075961

LeNet：基于渐变的学习应用于文档识别

AlexNet：具有深卷积神经网络的ImageNet分类

ZFNet：可视化和理解卷积网络

VGGNet：用于大规模图像识别的非常深的卷积网络

NiN：网络中的网络

GoogLeNet：卷入更深入

Inception-v3：重新思考计算机视觉的初始架构

ResNet：图像识别的深度残差学习

Stochastic_Depth：具有随机深度的深层网络

WResNet：非常深的网络的加权残差

Inception-ResNet：Inception-v4，inception-resnet以及剩余连接对学习的影响

Fractalnet：没有残差的超深层神经网络

WRN：宽残留网络

ResNeXt：深层神经网络的聚合残差变换

DenseNet：密集连接的卷积网络

PyramidNet：深金字塔残留网络

DPN：双路径网络

SqueezeNet：AlexNet级准确度，参数减少50倍，模型尺寸小于0.5MB

MobileNets：用于移动视觉应用的高效卷积神经网络

ShuffleNet：移动设备极高效的卷积神经网络 博主设置当前文章不允许评论。