深度学习（六）RESNET,VGG,DENSENET

最近在看RCNN模型，感觉很难，这些是看RCNN模型过程中学到的
说下对上述三个模型的理解
RESNET ：保留线性变换后的特征，与最后的feature map进行累加
DENSENET：保留每次线性变换后的特征，与最后的feature map进行累加
累加求和过程一定要保证通道数相同
VGG：进行五层线性变化，该维度，4096进入全连接层.最后进行分类
softmax 用于求概率
dropout 用于降低过拟合，其实就是通过增加了数据种类实现

简单些一个VGG模型

vgg16 = []
layers = []
in_channels = 3

for name in vgg16:
	if name =='M':
		layers += nn.MaxPool2d(kernel_size=2,stride=2)
	else:
		layers += nn.Conv2d(in_channels,out_channels,kernel_size=3,padding=1)
		layers += nn.ReLU(True)
		layers += nn.BatchNorm2d(out_channels)
		in_channels = out_channels
layers += nn.AvgPool2d(kernel_size=1,stride=1)
layers = nn.Sequential(*layers)

直接在博客上写的，没进行测试，可能有误，只写了feature map,没写classifier