VGGNet+Mnist总结-由浅入深

本文深入探讨了VGGNet网络结构,它通过堆叠3*3卷积层和2*2最大池化层构建了16~19层的深层网络。同时介绍了经典数据集Mnist,并详细阐述了网络构建、优化操作,包括dropout、L2正则化、学习率调整等。还提供了源代码链接和问题解决方案,以及一般处理思路,包括模型构建、反向传播和损失函数等。
摘要由CSDN通过智能技术生成

一、经典神经网络VGGNet介绍

在大型网络结构中,可以定义多个函数来定义卷积操作,池化操作,全连接操作,以及前向传播操作,方便简洁,例如VGGNet。

VGGNet把网络分成了5段,每段都把多个3*3的卷积网络串联在一起,每段卷积后面接一个最大池化层,最后面是3个全连接层和一个softmax层。

模型探索了卷积神经网络的深度和其性能之间的关系,通过反复的堆叠3 * 3的小型卷积核和2 * 2的最大池化层,成功的构建了16~19层深的卷积神经网络。 VGGNet全部使用3 * 3的卷积核和2 * 2的池化核,通过不断加深网络结构来提升性能。网络层数的增长并不会带来参数量上的爆炸,因为参数量主要集中在最后三个全连接层中。

详见我的另一篇博客关于VGGNet的介绍
VGGNet介绍1
VGGNet介绍2
在这里插入图片描述

二、经典数据集Mnist介绍

  • 1
    点赞
  • 7
    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