-
TensorFlow - 基于 VGG16 图像分类
基本理论图 1.1如图 1.1 所示，VGG 是一个网络系列，从 VGG-11（8 层卷积层，3 层全连接层）到 VGG-19（16 层卷积层，3 层全连接层）。输入图像的大小都是 $224\times224$，然后对图像进行均值化处理；卷积过程都是采用固定大小的卷积核，即 $3\times3$，步长 $s=1$，$Same$ 方式，填充 $p=1$，卷积后大小不变，仅仅深度改变，由图 1.1 可以看出，$C$ 网络结构采用了 $1\times1$ 的卷积核，主要作用：$1\times1$...…
-
TensorFlow - 基于 AlexNet 图像分类
基本理论图 1.1AlexNet是具有历史意义的一个网络结构，在此之前，深度学习已经沉寂了很久。2012 年，AlexNet在当年的ImageNet图像分类竞赛中，top-5错误率比上一年的冠军下降了十个百分点，而且远远超过当年的第二名。网络结构如图1.1所示，包含五层卷积层和三层全连接层，总共包含约6000万个参数。下面详细介绍AlexNet网络：ReLU图 1.2优点： 在输入大于 0 时候，不会出现梯度消失； 相较于 sigmoid 和 tanh 收敛速度大大提升，不含有 exp...…
