cnn输入层_cnn模型怎么画？手把手教你绘制模型图

cnn模型全称为卷积神经网络，是深度神经网络中最成功的DNN特例之一。cnn模型是由输入层、卷积层、池化层和全连接层构成的。cnn模型主要能实现特征的提取。一个cnn结构：输入→卷积→ReLU→卷积→ReLU→池化→ReLU→卷积ReLU→池化→全连接。

cnn模型常见用途

cnn模型常用的模型有:LeNet5、AlexNet、VGGNet(Visual Geometry Group)、Google Inception Net、微软ResNet残差神经网络和基于区域的CNNs。
1. LeNet5
用于识别支票上的手写数字。
2. AlexNet
对图片进行分类、定位和识别。
3. VGGNet(Visual Geometry Group)
一共有六种不同的网络结构，在训练高级别网络时，可先训练低级别的网络。
4. Google Inception Net
全新的深度学习结构。
5. 微软ResNet残差神经网络
解决梯度爆炸或梯度消失引起的不增反降，帮助训练更深的网络。
6. 基于区域的CNNs
解决物体检测问题。给定图像，在所有对象上绘制边界框。

cnn模型绘制方法

一幅专业又简洁的cnn模型可以通过以下五个步骤获得。

第一步：下载软件“亿图图示”安装并启动(或访问亿图图示网页版)。

第二步：新建cnn模型。在搜索框