学习笔记(05):TensorFlow 实战教程：如何用卷积神经网络打造图片识别应用-TensorFlow 实战教程：如何用卷积神经网络快速打造图片识别应用（上）...

立即学习:https://edu.****.net/course/play/5278/95929?utm_source=blogtoedu

框架对比

  

卷积神经网络的基础单元

1）卷积

中心感受野

2）**函数：将线性特征转换成非线性特征

3）池化 ：把临近的像素点通过某种运算转成一个像素点，直观来说是缩小图像大小，为了减小输入，减小运算量，有效信息可以得到最大范围的保留。

4）批量归一化：整理数据，加速数据收敛速度。

5）Dropout：减少过拟合，可能使收敛速度变慢。

优秀模型解析：

AlexNet：5层卷积层加3个全连接层，结构清晰简单

VGG：结构简单清晰，预训练权重应用广泛，在5层AlexNet模型基础上深入，构成19层网络

RestNet:超越了深度极限，做到152 层网络，随后做到1001层网络。贡献有：1.利用残差传递解决网络深度问题，一般递归后模型就学习不到什么了。2.表明网络不是越深越好。

inception:提出Branch结构，先分叉后合并。

DenseNet:大杂烩，Block+Branch结构。