caffe神經網路經典結構及模型

自2023年alexnet贏得了imagenet競賽以來，深度學習（神經網路）得到了飛速發展，產生了許多的神經網路結構，本文主要總結caffe中使用的神經網路(分類的神經網路)，本文的神經網路作者都使用caffe訓練過，並在kaggle的intel癌症**比賽中進行了測試與使用（top 8%）。

alexnet，2023年imagenet競賽冠軍，深度學習的里程碑。

squeezenet設計目標不是為了提高識別的準確率，而是希望簡化網路複雜度。squeezenet的模型結構確實很小，沒壓縮的情況下才5m左右，而且識別的精度還可以。

vgg和googlenet是2023年imagenet競賽的雙雄，vgg主要分為vgg16和vgg19。其網路結構與預訓練模型的位址如下：

vgg16的網路結構：

vgg16的預訓練模型：

vgg19的網路結構：

vgg19的預訓練模型：

備註：上面的網路結構需要進行細微調整才能在caffe中直接訓練，主要是網路結構中的type型別。

resnet網路，2023年imagenet競賽冠軍，網路結構主要分為resnet-50、resnet-101、resnet-152三種，當然也有一些其它的結構，例如resnet-18，resnet-14。

inception系列是google發明的一系列神經網路結構。

inception-v1：

inception-v1，即大名鼎鼎的googlenet，2023年imagenet競賽冠軍。

inception-v2：

即inception v1 + batch normalization。

inception-v3：

inception-v4：

inception-resnet-v2：

我自己整理的caffe model，senet沒有全部新增到倉庫，densenet沒新增到倉庫。