機器智能-高頻問題：經典CNN網絡

5、經典CNN網絡
a、lenet：
只有兩個卷積層、兩個池化層、兩個全連接層，結構很簡單。主要用於識別10個手寫郵政編碼數字，5*5卷積核，stride=1，最大池化。
b、alexnet：
結構更加複雜。三個池化、四個卷積層，三個全連接。開啓了卷積學習和深度學習的先河。他的效果比第二名的效果拉開了很大的距離。
c、VGG-16：
進一步增加了網絡的層次（very deep），提出了一種小卷積核的理論。用小卷積核同樣可以達到好的效果，減少了參數，提高了運行速度。
d、resnet-50：

提出了一個殘差的概念。當神經網絡的層數不斷增加，越到後面誤差越小，導致梯度消失，所以引入殘差，把淺層的輸出值進行跳層連接。