卷积神经网络典型算法结构比较

4、 1、LeNet-5模型 在CNN的应用中，文字识别系统所用的LeNet-5模型是非常经典的模型。 LeNet-5模型是1998年，Yann LeCun教授提出的，它是第一个成功大规模应用在手写数字识别问题的卷积神经网络，在MNIST数据集中的正确率可以高达99.2%。

2、 ——·———·———·———·———·———·——下面是卷积神经网络领域中比较有名的几种结构：VGGNet的细节： 我们进一步对 VGGNet 的细节进行分析学习。 整个VGGNet中的卷积层都是以步长为1进行3x3的卷积，使用了1的零填充，汇聚层都是以步长为2进行了2x2的最大值汇聚。

3、 卷积神经网络主要结构有：卷积层、池化层、和全连接层组词。 一、卷积层 卷积核是一系列的滤波器，用来提取某一种特征我们用它来处理一个图片，当图像特征与过滤器表示的特征相似时，卷积操作可以得到一个比较大的值。

1、 1、换句话说，最常见的卷积神经网络结构如下：INPUT-[[CONV-RELU]*N-POOL？]*M-[FC-RELU]*K-FC其中*指的是重复次数，POOL？指的是一个可选的汇聚层。 2、目前的卷积神经网络一般是由卷积层、汇聚层和全连接层交叉堆叠而成的前馈神经网络，使用反向传播算法进行训练。