《DeepLearning.ai》第十一课：深度卷积网络：实例探究(Deep convolutional models:case studies)

第十一课：深度卷积网络：实例探究(Deep convolutional models:case studies)

2.1 为什么要进行实例探究

PASS

---

2.2 经典网络(Classic networks)

三种经典的网络结构

1.LeNet-5

该网络结构没有使用padding，对于池化层，如果s=2,f=2,则图像的高度和宽度都缩小2倍，随着网络层的增加，图像的高度和宽度在缩小，而通道数在增加。

用的是平均池化

2.AlexNet

使用了same卷积，使用后图像的高度和宽度不变，使用了最大池化后宽度和高度减半。

3.VGG-16

Conv 64表示卷积核有64个，VGG-16表示有16个网络层和全连接层。其本身结构简单，没经过一次网络层，宽度和高度都减半，通道数都翻倍。

---

2.3 残差网络(ResNets)

国内的何恺明大佬提出的

个人理解：如上图，对于两层神经网络，若要计算$a^{[l+2]}$，需要进行一步步线性操作以及使用Relu激活函数，也就是，信息从$a^{}$