一文看懂四种基本的神经网络架构

这里举AlexNet为例：

• 输入：224×224巨细的图片，3通道
• 第一层卷积：11×11巨细的卷积核96个，每个GPU上48个。
• 第一层max-pooling：2×2的核。
• 第二层卷积：5×5卷积核256个，每个GPU上128个。
• 第二层max-pooling：2×2的核。
• 第三层卷积：与上一层是全毗连，3*3的卷积核384个。分到两个GPU上个192个。
• 第四层卷积：3×3的卷积核384个，两个GPU各192个。该层与上一层毗连没有颠末pooling层。
• 第五层卷积：3×3的卷积核256个，两个GPU上个128个。
• 第五层max-pooling：2×2的核。
• 第一层全毗连：4096维，将第五层max-pooling的输出毗连成为一个一维向量，作为该层的输入。
• 第二层全毗连：4096维
• Softmax层：输出为1000，输出的每一维都是图片属于该类此外概率。

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!