参考链接:深度学习常用的Data Set数据集和CNN Model总结
一.LeNet-5
时间:1986年,参数大约6万
网络结构图:
LeNet-5网络模型(数字识别,2个卷积层,2个池化层,2个全连接层)
其中:C表示卷积层,S表示池化层,F表示全连接层,下标意为图像大小
卷积层:卷积核大小为5*5,步长stride=1
池化层:max pooling,采样2*2,步长stride=2
第一个卷积层6个filter,第二个卷积层16个filter
第一个全连接FC中有120个神经节点,每个结点有400个输入特征,即W=(120,400),b=(120,1),所以最后得到(120,1)。Z=WX+b,X=(400,1)
二.AlexNet
时间:2012年,大约6000万参数
网络结构图:
引入GPU,增加特殊层(LRN层,全称:Local Re