经典网络
dear_queen
这个作者很懒,什么都没留下…
展开
-
VGGNet网络结构详解
VGGNetVGG16使用了更小的卷积和步长。例如用2个33的代替1个55的1:input:2242243要经过经过两次卷积cov3-64,Conv1_1: 输入通道I为3,输出通道O为64,卷积核为NNIO,stride=1,卷积核为33364,则输出尺寸为22422464Conv1_2:输入通道I为64,输出通道O为64,卷积核为NNIO,stride=1,卷积核为336464,则输出尺寸为22422464Maxpooling:Input:2242246422的最大池化核,输出为原创 2020-10-07 12:08:00 · 1074 阅读 · 0 评论 -
AlexNet网络结构详解
AlexNet第一个卷积层输入的图片大小为:2242243(或者是2272273)第一个卷积层为:111196即尺寸为1111,有96个卷积核,步长为4,卷积层后跟ReLU,因此输出的尺寸为(224-11)/4+1=55,因此其输出的每个feature map 为 555596,同时后面跟LRN层,尺寸不变.最大池化层,核大小为33,步长为2,因此feature map的大小为:272796.第二层卷积层输入的tensor为272796卷积核的大小为: 55256,步长为1,pad=2,gr原创 2020-10-07 12:02:52 · 1191 阅读 · 1 评论 -
LetNet5网络结构详解
LetNet5这个是其网络结构。下面我们详细介绍该网络结构,在此之前,先约定一些称呼:feature maps(f.maps)是每层网络的特征图;stride是卷积核的步长;C1层的特征图大小为28×28×6,其中28×28表示特征图的高度×宽度,6表示特征图的通道数;该层使用的卷积核大小5×5×1×6,表示高度×宽度×输入通道数×输出通道数。首先是输入层,输入图像大小统一归一化为32×32,在正式输入网络之前,其灰度值也要进行归一化。第一个卷积层C1,其经过大小为5×5×1×6的卷积核(str原创 2020-10-07 12:00:46 · 6102 阅读 · 0 评论