在LeNet的基础上做了改进:
1.Relu:加速训练,优化梯度传播
2.Dropout:减少过拟合,随机丢弃节点
3.Data augmentation:保留标签的图像变化,减少过拟合。
VGGNet:
相对于AlexNet主要特征:
深度继续增加:更多非线性表达能力
小尺寸卷积核:3*(3×3)=(7×7)但是参数相对于后者前者的参数更少
在LeNet的基础上做了改进:
1.Relu:加速训练,优化梯度传播
2.Dropout:减少过拟合,随机丢弃节点
3.Data augmentation:保留标签的图像变化,减少过拟合。
VGGNet:
相对于AlexNet主要特征:
深度继续增加:更多非线性表达能力
小尺寸卷积核:3*(3×3)=(7×7)但是参数相对于后者前者的参数更少