本文主要是介绍deeplearning 发展历程，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
1.ILSVRC榜单便是Deep Learning视觉发展的里程碑式代表
图1. ILSVRC历年的Top-5错误率
2.AlexNet、VGG、GoogLeNet、ResNet对比
LeNet主要是用于识别10个手写数字的，当然，只要稍加改造也能用在ImageNet数据集上，但效果较差。而本文要介绍的后续模型都是ILSVRC竞赛历年的佼佼者，这里具体比较AlexNet、VGG、GoogLeNet、ResNet四个模型。如表1所示。
| 模型名 | AlexNet | VGG | GoogLeNet | ResNet |
|---|---|---|---|---|
| 初入江湖 | 2012 | 2014 | 2014 | 2015 |
| 层数 | 8 | 19 | 22 | 152 |
| Top-5错误 | 16.4% | 7.3% | 6.7% | 3.57% |
| Data Augmentation | + | + | + | + |
| Inception(NIN) | – | – | + | – |
| 卷积层数 | 5 | 16 | 21 | 151 |
| 卷积核大小 | 11,5,3 | 3 | 7,1,3,5 | 7,1,3,5 |
| 全连接层数 | 3 | 3 | 1 | 1 |
| 全连接层大小 | 4096,4096,1000 | 4096,4096,1000 | 1000 | 1000 |
| Dropout | + | + | + | + |
| Local Response Normalization | + | – | + | – |
| Batch Normalization | – | – | – | + |
表1 AlexNet、VGG、GoogLeNet、ResNet对比
这篇关于deeplearning 发展历程的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
