VGGNet、ResNet、Inception和Xception

简介
VGGNet
2014年。该网络使用3×3卷积核的卷积层堆叠并交替最大池化层，有两个4096维的全连接层，然后是softmax分类器。16和19分别代表网络中权重层的数量。
ResNet
2015年。该网络使用残差模块来组成更复杂的网络（网络中的网络），使用标准随机梯度下降法训练。与VGG相比，ResNet更深，但是由于使用全局平均池操作而不是全连接密集层，所以模型的尺寸更小。
Inception
2015年。该网络使用多个尺度的卷积核提取特征，并在同一模块中同时计算1×1、3×3、5×5卷积，然后将这些滤波器的输出沿通道维度堆叠并传递到下一层。
Inception-v4编写于2016年。
Xception
2016年。该网络是Inception网络的扩展，使用了深度可分离卷积运算。其参数数量与Inception-v3相同，由于更高效地利用模型参数，该网络性能获得提升并在大型图像分类数据集胜过Inception-v3。