卷积神经网络复现
文章平均质量分 95
用PaddlePaddle复现经典CNN
RuizhiHe
毕业于南方科技大学,现任中兴通讯无线研究院算法工程师。
展开
-
ResNet
1. 前言 本文使用飞桨(PaddlePaddle)复现卷积神经网络ResNet。本文ResNet复现代码比PaddlePaddle官方内置ResNet代码结构更加清晰,建议参考本文中ResNet复现代码了解ResNet模型搭建流程。 本人全部文章请参见:博客文章导航目录 本文归属于:经典CNN复现系列 前文:GoogLeNet 2. ResNet模型结构 2013年,Lei Jimmy Ba和Rich Caurana分析了深度神经网络,并从理论和实践上证明了更深的卷积神经网络能够达到更高的识别准确率。 将原创 2021-08-20 23:33:38 · 1725 阅读 · 0 评论 -
GoogLeNet
1. 前言 本文使用飞桨(PaddlePaddle)复现卷积神经网络GoogLeNet。 本人全部文章请参见:博客文章导航目录 本文归属于:经典CNN复现系列 前文:VGGNet 2. GoogLeNet模型结构 GoogLeNet是2014年ImageNet比赛的冠军,它的主要特点是网络不仅有深度,还在横向上具有“宽度”。GoogLeNet提出了一种被称为Inception的模块,该模块具有不同尺寸的卷积核,可以使用较大的卷积核提取空间分布范围更广的图像信息的特征,使用较小的卷积核提取空间分布范围较小的图原创 2021-08-15 21:34:44 · 733 阅读 · 5 评论 -
VGGNet
1. 前言 本文使用飞桨(PaddlePaddle)复现卷积神经网络VGGNet。 本人全部文章请参见:博客文章导航目录 本文归属于:经典CNN复现系列 前文:AlexNet 2. VGGNet模型结构 VGGNet是当前最流行的CNN模型之一,由Simonyan和Zisserman在2014年提出,其命名来源于论文作者所在的实验室Visual Geometry Group。VGGNet通过使用一些列大小为3x3的小尺寸卷积核的卷积层和池化层构建深度卷积神经网络,并在深度学习图像分类实践中取得了比较好的效果原创 2021-08-11 22:17:26 · 846 阅读 · 0 评论 -
AlexNet
1. 前言 本文使用飞桨(PaddlePaddle)复现卷积神经网络AlexNet。 本人全部文章请参见:博客文章导航目录 本文归属于:经典CNN复现系列 2. AlexNet模型结构 2012年,Alex Krizhevsky等人提出的AlexNet以很大优势获得了ImageNet比赛的冠军。这一成果极大的激发了产业界对神经网络的兴趣,开创了使用深度神经网络解决图像问题的途径。 AlexNet包含5层卷积和3层全连接层。除最后一个全连接层外,每个卷积层和全连接层激活函数均为ReLU。同时,AlexNet使原创 2021-08-08 16:04:23 · 637 阅读 · 0 评论