本文介绍了深度学习发展历程中的几个关键模型，包括AlexNet、VGG、GoogLeNet、ResNet和DenseNet。AlexNet开启深度学习时代，VGG采用小卷积核，GoogLeNet引入不同尺寸卷积核，ResNet通过残差学习解决梯度消失问题，DenseNet则进一步优化了连接方式。nn.Module是PyTorch中自定义网络的基础，数据增强如翻转、旋转等能提升模型泛化能力。
从2010年开始，深度学习开始进入人们视野，2012年的Alexnet是第一个真真意义上的深度网络，尽管只有8层，但其错误率只有16.4%，2015年微软亚洲研究院的何凯明同学的Resnet使得错误率降低至3.57。
AlexNet 人工分配两块GPU，因此上图会有两条路线，但现在都是框架自己主动分配了。使用了11*11的卷积核。7层隐藏层，共8层，60M的参数，训练了1周。现在不会用这种网络结构了，因为太过时了。
VGG是牛津大学的成果，共有6个版本。比如-16版，-19版，11版。创新在于使用小窗口感受器（卷积核）。拿到了2014年的imageNet的第二名。1*1的卷积核作
最低0.47元/天 解锁文章
3979
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
