经典网络模型

这篇具有很好参考价值的文章主要介绍了经典网络模型。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

Alexnet

经典网络模型,Deep Learning,深度学习,人工智能
经典网络模型,Deep Learning,深度学习,人工智能

VGG

经典网络模型,Deep Learning,深度学习,人工智能
经典网络模型,Deep Learning,深度学习,人工智能

VGG的启示

VGGNet采用了多次堆叠3x3的卷积核,这样做的目的是减少参数的数量。
例如,2个3x3的卷积核效果相当于1个5x5的卷积核效果,因为它们的感受野(输入图像上映射区域的大小)相同。但2个3x3卷积核的参数个数(18个)却比1个5x5(25个)的卷积核参数个数少。经典网络模型,Deep Learning,深度学习,人工智能
类似地,3个3x3的卷积核相当于1个7x7的卷积核,而1个7x7的卷积核的参数个数为49,而3个3x3的卷积核的参数个数仅为27。

感受野

经典网络模型,Deep Learning,深度学习,人工智能
经典网络模型,Deep Learning,深度学习,人工智能

ResNet

为了解决深度神经网络存在的问题
· 层数越多,训练效果一定越好吗?
· 如何优化过深的神经网络?
· 如何避免梯度消失和梯度爆炸?
经典网络模型,Deep Learning,深度学习,人工智能

ResNet 即深度残差网络
ResNet使用了一种连接方式叫做“shortcut connection”,顾名思义,shortcut就是“抄近道”的意思
ResNet模型引入残差网络结构,在两层或两层以上的节点两端添加了一条“捷径”,这样一来,原来的输出F(x)就变成了F(x)+x
ResNet通过引入残差结构,我们就可以直接使用传统的反向传播对很深的神经网络进行训练,并且收敛速度快,误差小网络越深,梯度消失的现象就越来越明显,网络的训练效果也不好,这样的问题就称为“退化”
ResNet通过引入残差结构,很好地解决了"退化"问题,退化与过拟合都会使网络预测准确率降低,但两者并不是一回事文章来源地址https://www.toymoban.com/news/detail-722954.html

到了这里,关于经典网络模型的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包