深度学习-LeNet5-AlexNet

一组Conv与Pool称为一层，$Conv->激活函数->Pool$
f：过滤器（窗口）大小
s：步长
n：过滤器数量

$$\left(\frac{N+2P-F}{S}+1\right)$$N是原数据大小
P是填充
F是窗口大小
S是步长

• 卷积池化层
  

• 全连接层
• 相当于浅层神经网络了

总结

size的变化不能太快，比如从4704直接变为10

• 参数的数量

Conv1：$5\ast 5\ast 6\ast 3$
$过滤器窗口大小\ast 过滤器窗口大小\ast 每一个通道过滤器数量\ast 通道数量（彩色为3）$

Conv2：$5\ast 5\ast 16\ast 6$
$过滤器窗口大小\ast 过滤器窗口大小\ast 每一个通道过滤器数量\ast 通道数量（由上一层输出结果确定14\ast 14\ast 6）$

AlexNet

参数量太大，计算量太大，需要优化。

参数量少，计算量小

• inception结构
  

迁移学习