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）

目录

0. 前言

1. LeNet-5

2. AlexNet

3. VGG-16

4. ResNet 残差网络

5. Inception Network

---

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）卷积神经网络 CNN 之卷积层

花书+吴恩达深度学习（十一）卷积神经网络 CNN 之池化层

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