标签：输出 面试题 14 VGGNet VGG ResNet 网络 Pooling AlexNet

       AlexNet： AlexNet相比传统的CNN，主要改动包括Data Augmentation（数据增强）、Dropout方法，激活函数用ReLU代替了传统的Tanh或者Siigmoid、采用了Local Response Normalization（LRN，实际就是利用临近的像素数据做归一化，（现在基本不用了））、Overlapping Pooling（有重叠，即Pooling的步长比Pooling Kernel的对应边要小）、多GPU并行。
       VGGNet： VGG很好地继承了AlexNet的特点，同时采用了更小的卷积核（3*3）堆叠来代替大的卷积核，并且网络更深（VGG-16，VGG-19）。
       GoogLeNet： 网络更深，但主要创新点在于它的Inception模块，这是一个网中网（Network In Nework）的结构，即原来的节点也是一个网络。相比于前述几个网络，用了Inception之后整个网络结构的宽度和深度都可扩大，能够带来2~3倍的性能提升。
       ResNet： ResNet在网络深度上有了进一步探索。但主要的创新在于残差模块（residual block），网络提出本质上还是要解决增大网络深度导致难以收敛的问题。这种借鉴了Highway Network思想的网络相当于旁边专门开个通道使得输入可以直达输出，而优化的目标由原来的拟合输出H(x)变成输出和输入的差H(x) - x，其中H(x)是某一层原始的期望映射输出，x是输入。

标签：输出,面试题,14,VGGNet,VGG,ResNet,网络,Pooling,AlexNet
来源： https://blog.csdn.net/Roaddd/article/details/114225658

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。