AlexNet、GoogLeNet、VGGNet、ResNet对比

本文对比分析了AlexNet、GoogLeNet和VGGNet在深度学习与计算机视觉领域的应用。AlexNet在ILSVRC 2012竞赛中表现出色,采用数据增强、Dropout和ReLU技术。VGGNet以小尺寸滤波器堆叠提升非线性表达能力,强调网络深度。
摘要由CSDN通过智能技术生成

#AlexNet
在ILSVRC 2012中赢得了第一名,Top5错误率15.3%。论文链接
这里写图片描述
AlexNet前面是5个卷积层,之后是3个全连接层,最后再加上一个1000-way的Softmax,对应于ILSVRC的1000个类别的概率。
从上图可以明显看到网络结构分为上下2层,这是表示网络分布在2个GPU上,因为一个NVIDIA GTX 580 GPU只有3GB内存,装不下这么大的网络。为了减少GPU之间的通信,第2,4,5个卷积层只连接同一个GPU上的上一层的kernel maps(见名词解释)。第3个卷积层连接第二层的所有kernel maps。全连接层的神经元连接到上一层所有的神经元。第1,2个卷积层里ReLU操作之后有response normalization操作。第1,2,5个卷积层里有max pooling操作。作为激活函数,所有的卷积层和全连接层都有ReLU操作。
输入的图片的尺寸是224 * 224 * 3,3表示RGB这3个通道。第一个卷积层共有96个卷积核,每个卷积核的尺寸是11 * 11 * 3࿰

评论 5
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