与君共勉，一起学习

深度学习经典网络解析（七）：ResNet1.背景介绍2. 网络过深导致的问题为什么随着网络层级越深，模型效果却变差了呢？3. ResNet3.1ResNet概要3.2 ResNet网络结构3.2.1ResNet论文翻译详情见我的博客：https://blog.csdn.net/muye_IT/article/details/1238861321.背景介绍  如果说你对深度学习略有了解，那你一定听过大名鼎鼎的ResNet，ResNet真正开启了卷积神经网络的王朝，正所谓ResNet 一出，谁与争锋？现

深度学习经典网络解析（五）：VGG1.背景介绍2.GoogLeNet创新点3.串联结构（如VGG）存在的问题4.GoogLeNet4.1 网络架构4.1.1 INPUT层4.1.2 Conv 1×14.1.2 Conv 3×34.1.3 Inception 3a层4.1.4 Inception 3b层4.1 Inception模块4.2 取消全连接层4.3 辅助分类器5. 思考5.1 平均池化向量化与直接展开向量化有什么区别？5.2 利用1x1卷积进行压缩会损失信息吗？6.GoogLeNet相关论文及下载地

深度学习经典网络解析（五）：VGG1.背景介绍1.VGG网络与AlexNet网络1.背景介绍  VGGNet是在ImageNet Challenge 2014在定位和分类过程中分别获得了第一名和第二名的神经网络架构。VGGNet是牛津大学计算机视觉组和DeepMind公司的研究员一起研发的深度卷积神经网络。VGG主要探究了卷积神经网络的深度和其性能之间的关系，通过反复堆叠33的小卷积核和22的最大池化层，VGGNet成功的搭建了16-19层的深度卷积神经网络。与之前的网络结构相比，错误率大幅度下降；同时

深度学习经典网络解析（四）：DenseNet1.背景介绍2.DenseNet与ResNet2.1ResNet2.2DenseNet3.DenseNet的数学表示4.DenseNet网络架构4.1DenseBlockBottleNeck层4.2Transition层5.DenseNet评价5.1DenseNet优点5.1.1更强的梯度流动5.1.2减少了参数数量5.1.3保证低维度特征5.2DenseNet不足6.使用Pytorch实现DenseNet6.1实现DenseBlock中的内部结构6.2实现Den

深度学习经典网络解析（一）：ZFNet1.背景介绍2. ZFNet网络2.1 ZFNet网络架构2.2 ZFNet要点2.1 通过反卷积可视化2.2 CNN的平移和缩放不变性2.3 可视化特征学习的过程2.4 卷积的工作原理3. ZFNet总结1.背景介绍  ZFNet在2013年 ILSVRC 图像分类竞赛获得冠军，错误率11.19% ，比去年的AlexNet降低了5%，ZFNet是由 Matthew D.Zeiler 和 Rob Fergus 在 AlexNet 基础上提出的大型卷积网络。ZFNet

深度学习经典网络解析（一）：LeNet1.背景介绍2.LeNet-5网络架构1.背景介绍LeNet-5，这篇

深度学习经典网络解析（二）：AlexNet1.背景介绍2.ImageNet3.AlexNet3.1AlexNet简介3.2AlexNet网络架构3.2.1第一层（CONV1）3.2.2 MAX POOL1+NORM1层3.2.3第三层（CONV2）3.2.4 MAX POOL2+NORM2层3.2.5第三、四层（CONV3、CONV4）3.2.6第五层（CONV5）3.2.7MAX POOL3层3.2.8第六七八层—全连接层3.3AlexNet创新点3.3.1数据增强3.3.2 Dropout随机失活3.3