在卷积神经网络中,AlexNet、GoogleNet和VGG有什么区别?
计算机/软件
0 316
0
该提问暂无详细描述
收藏
2021-01-23 05:47 更新 正直的烤面包 •  1846
共 1 个回答
高赞 时间
0

除了三个模型的深度以外,最大的不同在于最小的building block是如何构建的。 这里的构建块(building block)是指在整个网络中重复的最小单元。

AlexNet:

没有固定的模式,每层的卷积是通过实验确定的。 AlexNet是最著名的卷积神经网络(CNN),许多人使用了类似的网络。 这些网络通常包括重复的几个卷积层,每个卷积层之后是最大池。然后是几层致密层。 但是没有关于要使用的滤波器大小,最大池化之前有多少卷积等标准。

VGGNet:

在此网络中,可以将构建块(building block)标识为两个卷积层,然后是池化层,即每2次卷积后应放置最大池,在每次最大池化后应将过滤器的数量加倍。此块重复多次。另外,在VGGNet中,所有使用的过滤器大小仅为3 X 3。

GoogLeNet:

初始模块是网络的基本构建块(building block),初始模块进行多次卷积,具有不同的过滤器大小,并且合并在一层中。 网络没有让我们决定何时使用哪种类型的层以获得最佳结果,而是由网络在训练后自动解决,它还使用1x1特征卷积,其功能类似于特征选择器。

参考https://www.quora.com/What-are-the-differences-among-AlexNet-GoogleNet-and-VGG-in-the-context-of-convolutional-neural-networks

收藏
2021-01-23 05:53 更新 阿托 •  5852