深度學習——CNN經典網路總結
阿新 • • 發佈：2019-01-02
在CNN網路結構的進化過程中，出現過許多優秀的CNN網路，如：LeNet，AlexNet，VGG-Net，GoogLeNet，ResNet，他們對CNN的發展進化起著至關重要的作用。
LeNet：
LeNet誕生於1998年，網路結構比較完整，包括卷積層、pooling層、全連線層。被認為是CNN的鼻祖。
AlexNet：
2012年提出AlexNet網路
主要優勢包括：
網路加深（5個卷積層+3個全連線層+1個softmax層）；
解決過擬合（dropout，data augmentation，LRN）；
多GPU運算。
VGG-Net：
2014年提出VGG-Net網路，。
主要優勢包括：
網路更深，使用更多的層，通常有16－19層；
所有 卷積層用同樣大小（3 x 3）的 卷積核 。
GoogLeNet：
提出Inception結構，這是NIN（Network In Network）的結構，即原來的結點也是一個網路。
ResNet：
提出了一種減輕網路訓練負擔的殘差學習框架，這種網路比以前使用過的網路本質上層次更深。 在ImageNet資料集用152 層的深度來評估殘差網路，雖然網路很深，但是並不複雜。