为什么加深神经网络有助于提升性能？介绍VGG、GoogleNet和ResNet等模型，并推荐相关书籍
发布时间
阅读量：
阅读量
基于python手写深度学习网络系列（9）
为什么要加深网络？VGG、GoogleNet和ResNet，以及书籍推荐和分享。
本设计中所采用的所有卷积层均配置为3×3尺寸的小型滤波器，其特征在于通道数量会随着网络深度的增加而逐步提升（具体而言，卷积层的通道数按照16、16、32、32、64、64的顺序依次递增）。同时，如图8-1所示，在网络结构中还加入了池化层，用以逐步缩减中间数据的空间维度；此外，在后续的全连接层部分，还引入了Dropout层以增强模型的泛化能力。
采用He初始化方法设定权重的初始值，并利用Adam优化算法对权重参数进行更新。
为提升识别准确度，引入数据增强（Data Augmentation）技术，通过算法手段对输入图像（训练图像）进行人为扩展。具体而言，如图8-4所示，针对输入图像实施诸如旋转、水平或垂直方向位移等细微变换，从而生成更多图像样本。该方法在训练数据集图像数量较少的情况下具有显著效果。
还没有任何评论哟~