文章目录
- 前言
- 1.不同卷积神经网络模型的精度
- 2.不同神经网络概述
- 3.卷积神经网络-单通道
- 4.卷积神经网络-多通道
- 5.池化层
- 6.全连接层
- 7.网络架构
- 8.Relu激活函数
- 1.LeNet-5
- 2.AlexNet
- 1.架构
- 2.局部响应归一化(VGG中取消了)
- 3.重叠/不重叠池化
- 4.过拟合-数据增强
- 5.过拟合-dropout
- 6.性能
- 5.详细介绍-论文
- 1.三位大师
- 2.论文详细内容
前言
本章内容来自B站:
AlexNet深度学习图像分类算法
1.不同卷积神经网络模型的精度
2.不同神经网络概述
3.卷积神经网络-单通道
4.卷积神经网络-多通道
5.池化层
6.全连接层
7.网络架构
8.Relu激活函数
sigmoid和tanh会产生梯度消失或者爆炸的问题
1.LeNet-5
手写数字识别
2.AlexNet
1.架构
双GPU上
2.局部响应归一化(VGG中取消了)
3.重叠/不重叠池化
4.过拟合-数据增强
5.过拟合-dropout
6.性能
5.详细介绍-论文
1.三位大师
2.论文详细内容