神经网络结构汇总

本文收集了一些神经网络的架构，包含常用的一些模型。

LeNet5

1.Input
  输入图像统一归一化为32*32。
2.C1卷积层
  经过(5*5*1)*6卷积核，stride=1, 生成featuremap为28*28*6。
3.S2池化层
  经过(2*2)采样核，stride=2，生成featuremap为14*14*6。
4.C3卷积层
  经过(5*5*6)*16卷积核，stride=1，生成featuremap为10*10*16。
5.S4池化层
  经过(2*2)采样核，stride=2，生成featuremap为5*5*16。
6.C5卷积层
  经过(5*5*16)*120卷积核，stride=1， 生成featuremap为1*1*120。
7.F6全连接层
  输入为1*1*120，输出为1*1*84，总参数量为120*84。
8.Output全连接层。
  输入为1*1*84，输出为1*1*10，总参数量为84*10。10就是分类的类别数。

AlexNet