链接:https://blog.csdn.net/cyh_24/article/details/51440344
LeNet已经具有CNN的基本结构,卷积层,pooling层,全连接层。
但是LeNet在当时没有造成轰动,直到ALexNet出现才重新提及LeNet。
AlexNet做出的改变有;
1.引入了ReLU激励函数。
2.使用了一些防止过拟合的方法,Dropout, data augmetation。
3.有imagenet大数据集的训练
4.其他:使用GPU加速训练,LRN等
一些点:
对于大网络参数过多,容易产生过拟合。
对于Sigmoid激励函数会出现饱和神经元的现象,导致网络学习慢.
dropout:以0.5的概率,将每个隐层神经元的输出设置为零。所以每次输入一个样本,就相当于该神经网络就尝试了一个新的结构,但是所有这些结构之间共享权重。