目录
如果这篇文章对你有一点小小的帮助,请给个关注,点个赞喔~我会非常开心的~
花书+吴恩达深度学习(十二)卷积神经网络 CNN 之全连接层
花书+吴恩达深度学习(十三)卷积神经网络 CNN 之运算过程(前向传播、反向传播)
花书+吴恩达深度学习(十四)卷积神经网络 CNN 之经典案例(LetNet-5, AlexNet, VGG-16, ResNet, Inception Network)
0. 前言
本篇文章主要介绍一些经典的卷积神经网络。
- LeNet-5
- AlexNet
- VGG-16
- ResNet
- Inception Network
1. LeNet-5
LeNet-5 表示一个 层的卷积神经网络,主要作用于灰度图像。
- 输入层是
的灰度图像
- 第一层是
的
个过滤器的卷积层,运算结果是
,加上
的平均池化,运算结果是
- 第二层是
的
个过滤器的卷积层,运算结果是
, 加上
的平均池化,运算结果是
- 第三层是
个神经元的全连接层
- 第四层是
个神经元的全连接层
- 第五层是
个输出的 softmax 输出层
因论文的发表时间较早,激活函数多采用 sigmoid 或者 tanh 。
如下图所示(图源:吴恩达深度学习