本文介绍了深度学习的基本网络结构，包括AlexNet的8层结构，VGG-Net的加深网络设计，GoogLeNet的创新架构，Network in network的概念，以及残差网络如何解决深度学习中的梯度消失问题。每种网络结构的特点和对后续发展的影响被详细阐述。
AlexNet
这幅图片是AlexNet的模型。文章发表的时候是2012年，当时的GPU是 GTX580，所以使用了两块GPU，但是目前的硬件水平使用一块GPU就足够了。AlexNet获得了12年ImageNet比赛的第一名（top-5 error of 16% compared to runner-up with 26% error）。AlexNet和LeNet网络结构很相似，只是更加深和大。
图片:
AlexNet 共有8层。其中前五层为卷积层，后三层为全连接层。最后一个全连接层具有输出1000个输出的softmax。
AlexNet分层结构
第一层
输入图片是224*224*3， 表示长宽是224个像素，RGB三通道， 所以要乘以3
然后采用了96个11*11*3 的filter。stride为4（步长为4）的设置下。对输入图像进行卷积操作。所以进行卷积操作后，输出变成了55*55*96 。其中根据的公式是（图片的长或者宽 - 核长）/ 步长 + 1 。
然后经过激活函数ReLu,再进行池化操作，
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
