趋近智
本章首先巩固卷积神经网络 (neural network)(CNN)的核心构成。我们假定您已熟悉基本知识,但仍将简要回顾卷积层、池化操作(例如 、)和激活函数 (activation function)(例如 )等构成部分。
在此之上,我们将审视CNN架构的发展演变。我们将追溯其从早期有影响力的模型到ResNet、Inception、DenseNet和EfficientNet等当代设计的发展历程。一些主要创新点将得到分析,包括:
您将了解这些架构背后的设计选择以及所涉及的权衡,同时考虑计算成本和参数 (parameter)效率等因素。本章最后提供使用标准深度学习 (deep learning)框架实现这些模型的实用指导和练习。
1.1 卷积神经网络构建模块简要回顾
1.2 CNN 架构的演变:从 AlexNet 到 ResNet
1.3 理解残差连接与跳跃架构
1.4 Inception 模块和网络中的网络思想
1.5 DenseNet:架构与连接模式
1.6 EfficientNet:模型复合缩放
1.7 架构设计选择与权衡
1.8 现代架构构建实践