神经网络结构汇总

这篇博客详细介绍了三种经典的神经网络架构:LeNet5、AlexNet和VGG,包括它们的输入、卷积、池化等层的设计,以及各自的特点和应用。
摘要由CSDN通过智能技术生成

本文收集了一些神经网络的架构,包含常用的一些模型。

LeNet5

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

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值