机器学习与深度学习

VGG16 和 VGG19 的网络结构

2021-02-19  本文已影响0人  LCG22

VGG16

由 13 个隐藏层加 3 个全连接层组成

其中 13 个隐藏层分别是:

2 层 3*3 的卷积层(激活函数为 relu,后接 2*2 最大池化层)

2 层 3*3 的卷积层(激活函数为 relu,后接 2*2 最大池化层)

3 层 3*3 的卷积层(激活函数为 relu,后接 2*2 最大池化层)

3 层 3*3 的卷积层(激活函数为 relu,后接 2*2 最大池化层)

3 层 3*3 的卷积层(激活函数为 relu,后接 2*2 最大池化层)

3 个全连接层分别是:

1 层全连接层,节点数为 4096 (激活函数为 relu)

1 层全连接层,节点数为 4096 (激活函数为 relu)

1 层全连接层,节点数为 1000 (后接 softmax 函数)

具体可参考:https://dgschwend.github.io/netscope/#/preset/vgg-16

VGG19

由 16 个隐藏层加 3 个全连接层组成

其中 16 个隐藏层分别是:

2 层 3*3 的卷积层(激活函数为 relu,后接 2*2 最大池化层)

2 层 3*3 的卷积层(激活函数为 relu,后接 2*2 最大池化层)

4 层 3*3 的卷积层(激活函数为 relu,后接 2*2 最大池化层)

4 层 3*3 的卷积层(激活函数为 relu,后接 2*2 最大池化层)

4 层 3*3 的卷积层(激活函数为 relu,后接 2*2 最大池化层)

3 个全连接层分别是:

1 层全连接层,节点数为 4096 (激活函数为 relu)

1 层全连接层,节点数为 4096 (激活函数为 relu)

1 层全连接层,节点数为 1000 (后接 softmax 函数)

具体可参考:

上一篇 下一篇

猜你喜欢

热点阅读