在LeNet的基础上做了改进：
1.Relu:加速训练，优化梯度传播
2.Dropout:减少过拟合，随机丢弃节点
3.Data augmentation:保留标签的图像变化，减少过拟合。
VGGNet:
相对于AlexNet主要特征：
深度继续增加：更多非线性表达能力
小尺寸卷积核：3*（3×3）=（7×7）但是参数相对于后者前者的参数更少
相关文章：
相关资源
相似解决方案
热门标签
在LeNet的基础上做了改进：
1.Relu:加速训练，优化梯度传播
2.Dropout:减少过拟合，随机丢弃节点
3.Data augmentation:保留标签的图像变化，减少过拟合。
VGGNet:
相对于AlexNet主要特征：
深度继续增加：更多非线性表达能力
小尺寸卷积核：3*（3×3）=（7×7）但是参数相对于后者前者的参数更少
相关文章：