文章目录

• 前言
• • 1.不同卷积神经网络模型的精度
  • 2.不同神经网络概述
  • 3.卷积神经网络-单通道
  • 4.卷积神经网络-多通道
  • • 5.池化层
    • 6.全连接层
    • 7.网络架构
    • 8.Relu激活函数
• 1.LeNet-5
• 2.AlexNet
• • 1.架构
  • 2.局部响应归一化（VGG中取消了）
  • 3.重叠/不重叠池化
  • 4.过拟合-数据增强
  • • 5.过拟合-dropout
    • 6.性能
  • 5.详细介绍-论文
  • • 1.三位大师
    • 2.论文详细内容

前言

本章内容来自B站：
AlexNet深度学习图像分类算法

1.不同卷积神经网络模型的精度

2.不同神经网络概述

3.卷积神经网络-单通道

4.卷积神经网络-多通道

5.池化层

6.全连接层

7.网络架构

8.Relu激活函数

sigmoid和tanh会产生梯度消失或者爆炸的问题

1.LeNet-5

手写数字识别

2.AlexNet

1.架构

双GPU上

2.局部响应归一化（VGG中取消了）

3.重叠/不重叠池化

4.过拟合-数据增强

5.过拟合-dropout

6.性能

5.详细介绍-论文

1.三位大师

2.论文详细内容