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。