LeNet-5
LeNet-5主要是针对灰度图像训练,用来识别手写体数字等。随着网络层数的加深,图像的宽度和高度减小,信道数增加。最后是得到了84个特征。
AlexNet
能处理非常相似的基本构造模块。采用相似的含有大量隐藏单元或数据的基本构造模块使得AlexNet表现出色。使用了ReLu激活函数。
VGG-16
超参数少,是一种只需要专注构建卷积层的简单网络。有16个卷基层。
优点:化简了神经网络
缺点:需要训练的特征数量特别大
LeNet-5主要是针对灰度图像训练,用来识别手写体数字等。随着网络层数的加深,图像的宽度和高度减小,信道数增加。最后是得到了84个特征。
能处理非常相似的基本构造模块。采用相似的含有大量隐藏单元或数据的基本构造模块使得AlexNet表现出色。使用了ReLu激活函数。
超参数少,是一种只需要专注构建卷积层的简单网络。有16个卷基层。
优点:化简了神经网络
缺点:需要训练的特征数量特别大