文章介绍了三个经典的深度学习网络模型：Alexnet以其八层结构和大尺寸卷积核为特点；Vgg通过小尺寸卷积核和多次翻倍特征图层数实现深层网络；Resnet则通过残差块解决深度网络中的梯度消失问题，确保每一层的有效贡献。
1.经典网络--Alexnet:八层网络（五层卷积，三层全连接）
缺点：11*11的卷积核过大，stride步长为4过大。
2.经典网络-Vgg：十六层或十九层网络，3*3卷积核
特点：对于池化层丢失的特征信息，通过在下一次卷积过程中使得特征图进行翻倍(翻倍的原理是什么？多出来的部分从哪来？)，从64到64*2到64*2*2....
3.经典网络--Res
net（残差网络，当卷积越深，达到的效果越不好时需要用到Resnet网络，使影响卷积效果的层数的权重设为0，）
当x经过卷积之后效果不好（怎么判断结果不好），那么重新连一条先identify出来（即x的映射）。当效果不好时，设F（x）=0，H（x）依旧等于x，（相当于保底x）
扫一扫
2362
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
