vgg16
一、摘要
二、convnet的配置
所有隱藏層之後，都配有relu（rectified linear uint-修正線性單元）
vgg-16中的16指的是在這個網路中包含16個卷積層和全連線層。此外還有vgg-19，由於vgg-16和vgg-19的表現幾乎誤無差，且vgg-16的引數較vgg-19少，所以大多數人依然選取vgg-16
三、說明
①、卷積層使用3×3的濾波器，很容易看到兩層3×3的卷積層（兩層之間無池化層）的感受野和一層5×5的卷積層相同，三層3×3的卷積層有7×7的有效感受野。這種替換是合理有效的。
關於感受野的說明：通俗講為輸出特徵圖上的乙個單元對應輸入層上的區域大小
②、convnet-c使用了1×1的卷積濾波器，該卷積核的作用是什麼？
③、網路深度對結果的影響
四、模型引數說明
五、vgg-16的網路結構
注意：fc1000層後沒有relu啟用函式，而是用softmax層啟用。
六、參考文獻
原文）翻譯）
講解）視覺化）
站up詳講vgg16）
VGG16遷移學習實現
vgg16遷移學習實現 本文討論遷移學習，它是乙個非常強大的深度學習技術，在不同領域有很多應用。動機很簡單，可以打個比方來解釋。假設想學習一種新的語言，比如西班牙語，那麼從已經掌握的另一種語言 比如英語 學起，可能是有用的。按照這種思路，計算機視覺研究人員通常使用預訓練 cnn 來生成新任務的表示，...
整理VGG16預訓練學習筆記
原文 1什麼是遷移學習？神經網路需要用資料來訓練，它從資料中獲得資訊，進而把它們轉換成相應的權重。這些權重能夠被提取出來，遷移到其他的神經網路中，我們 遷移 了這些學來的特徵，就不需要從零開始訓練乙個神經網路了。2.什麼是預訓練模型？簡單來說，預訓練模型 pre trained model 是前人為...
VGG16模型理解
vgg16作為很入門的cnn網路，同時也有很多基於vgg16的改進網路，比如用於語義分割的segnet等。1 輸入224x224x3的，經過64個卷積核的兩次卷積後，採用一次pooling。經過第一次卷積後，c1有 3x3x3 個可訓練引數 2 之後又經過兩次128的卷積核卷積之後，採用一次pool...