人工智能实践Tensorflow2.0 第五章--经典卷积神经网络总结及tensorflow2.0实现--北京大学慕课

第五章–经典卷积神经网络总结及tensorflow2.0实现

  以cifar10数据集为例，分别用以下网络训练50次，得到最终的训练集、验证集准确率，训练集、验证集损失值。

LeNet:
  卷积网络的开篇之作，共享卷积核，减少网络参数。

AlexNet:
  使用Relu激活函数，提升训练速度；使用Dropout，缓解过拟合。

VGGNet:
  小尺寸卷积核减少参数。网络结构规整，适合并行加速。

InceptionNet:
  一层内使用不同尺寸卷积核，提升感知力，使用批标准化，缓解梯度消失。

ResNet：
  层间残差跳连，引入前方信息，缓解模型退化，使神经网络层数加深成为可能。