三个经典网络
LeNet-5
一个十分经典网络,处理任务是手写数字的识别。采用如下结构:
输入层:
32 * 32 * 1灰度图
卷积层(C1):
6个 5 * 5 过滤器,步长为1,得到28 * 28 * 6的输出
池化层(S1):(平均池化)
过滤器 2 * 2,步长为2, 输出14 * 14 * 6
卷积层(C2):
16个 5 * 5 过滤器,步长为1,得到10 * 10 * 16的输出
池化层(S2):(平均池化)
过滤器 2 * 2,步长为2, 输出5 * 5 * 16
全连接层(FC1):
120神经元
全连接层(FC2):
84神经元
输出层:
10节点(对应10数字)
由于年代久远,神经元个数较少,没有用到relu激活函数,输出层并没有采用softmax
AlexNet