AI作业10-经典卷积网络

1.LeNet & MNIST：

LeNet是一种卷积神经网络，最初用于手写数字识别任务，使用MNIST数据集。LeNet-5是最广为人知的CNN架构之一，由卷积层、池化层和全连接层组成。MNIST图像为28×28像素，但在输入网络之前会进行零填充到32×32像素并进行归一化处理。

2. AlexNet & CIFAR：

AlexNet是一种卷积神经网络，由8层神经网络组成，最初用于ImageNet图像分类挑战赛。CIFAR-10是一个包含10个类别的RGB彩色图像数据集，每个类别分别有6000张，共60000张大小为32x32的图片。AlexNet可以用于CIFAR-10数据集的分类任务。

3. VGG Net：

VGG Net是一种卷积神经网络，由19层或16层神经网络组成，最初用于ImageNet图像分类挑战赛。VGG Net的主要特点是使用非常小的3x3卷积核和更深的网络结构。

4. GoogLeNet & Inception v1：

GoogLeNet是一种卷积神经网络，由22层神经网络组成，最初用于ImageNet图像分类挑战赛。Inception v1是GoogLeNet的一种变体，它使用了Inception模块，这是一种可以在不增加计算量的情况下增加网络深度和宽度的方法。

5. ResNet：

ResNet是一种卷积神经网络，由152层神经网络组成，最初用于ImageNet图像分类挑战赛。ResNet的主要特点是使用残差块，这是一种可以在不增加计算量的情况下增加网络深度和宽度的方法。