经典深度学习CNN总结

参考了：

https://www.cnblogs.com/52machinelearning/p/5821591.html

https://blog.csdn.net/qq_24695385/article/details/80368618

LeNet

参考：https://www.jianshu.com/p/ce609f9b5910

 

AlexNet

参考：https://baike.baidu.com/item/AlexNet/22689612?fr=aladdin

 

GoogLeNet

2014年ImageNet冠军

参考：https://www.cnblogs.com/shouhuxianjian/p/7786760.html

https://www.cnblogs.com/Allen-rg/p/5833919.html

其中，Inception原理如下图所示：一个Inspection层可以达到多个CNN层的效果。这有点像ResNet的一个单元。

• 可用于提升网络非线性表达能力
• 削弱梯度消失的影响
• 减小参数的数量（削弱过拟合）。GoogleNet只使用500万个参数，是AlexNet的1/12，它使用了6000万个参数。VGGNet使用了比AlexNet3倍多的参数。
• 据说可以减少运算量。

VGG

2014年ImageNet亚军

 参考：https://baike.baidu.com/item/VGG%20模型/22689655?fr=aladdin

ResNet

https://www.cnblogs.com/alanma/p/6877166.html

主要解决深层网络梯度消失问题。