有多少層并不把池化層算在內。

##?LeNet-5：結構 C-P-C-P-FC-FC，即? 卷積1 - 池化 - 卷積2 - 池化 - 全連接1 - 全連接2 - softmax輸出層

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

##?AlexNet：結構5個卷積層，3個全連接層，共八層，6千萬參數（即60M個參數）

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

## VGG16：? ? ?1億個參數（即138M個參數）

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

? ? ? ? ? ? ? ? ? ? ? ? ??

?

## GoogLeNet：22層，500萬個參數，參數比AlexNet少12倍，采用inception模塊，無全連接層

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

?

## ResNet：152層，另外還有34層、50層，101層等結構。只有在第一層用的是7*7的卷積核，后面所有層都是用3*3的卷積核。? ? ? ?

? ? ? ? ? ? ? ? ? ? ? ? ? ???

?

## Densenet??CVPR2017

DenseNet和ResNet的一個明顯區別是，ResNet是求和，而DenseNet是做一個拼接，每一層網絡的輸入包括前面所有層網絡的輸出。

DenseNet提升了信息和梯度在網絡中的傳輸效率，每層都能直接從損失函數拿到梯度，并且直接得到輸入信號，這樣就能訓練更深的網絡，這種網絡結構還有正則化的效果。其他網絡致力于從深度和寬度來提升網絡性能，DenseNet致力于從特征重用的角度來提升網絡性能

?? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

?

?

總結

以上是生活随笔為你收集整理的【深度学习】LeNet-5、AlexNet、VGG16、GoogLeNet、ResNet的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。