24:经典卷积神经网络

1：经典卷积神经网络

(1)LeNet-5

 

 (2)AlexNet

（3）VGG

 

 【注】VGG发现更小的卷积核有更好的效果

 [注]c为channel

(4)GoogLeNet

                                                                inception网络结构

 

 [注]Inception module主要是使用多个不同大小的卷积核，使得GoogLeNet在同一层实现了不多个不同大小且不同类型的卷积核的使用。（之前的卷积核都是大小相同类型不同）

（5）ResNet深度残差网络

（5.1.1）residual module模块的介绍

 【注】当一个34层的网络，使用以上图中的shortcut connection module则会退化成一个19层的VGG卷积神经网络

（5.1.2）残差网络在应用中的提升

 （5.1.3）为什么叫做残差网络

2：经典卷积神经网络的对比

 

 [注]从中可以发现inceptionV3和inceptionV4以及ResNet网络的计算量小且效果较好

 3：实现

 【注】__int__（）主要是实现基本单元的建立，其中的nn.Sequential主要是为了实现out和输入x的维度保持一致。