机器智能-高频问题：经典CNN网络

5、经典CNN网络
a、lenet：
只有两个卷积层、两个池化层、两个全连接层，结构很简单。主要用于识别10个手写邮政编码数字，5*5卷积核，stride=1，最大池化。
b、alexnet：
结构更加复杂。三个池化、四个卷积层，三个全连接。开启了卷积学习和深度学习的先河。他的效果比第二名的效果拉开了很大的距离。
c、VGG-16：
进一步增加了网络的层次（very deep），提出了一种小卷积核的理论。用小卷积核同样可以达到好的效果，减少了参数，提高了运行速度。
d、resnet-50：

提出了一个残差的概念。当神经网络的层数不断增加，越到后面误差越小，导致梯度消失，所以引入残差，把浅层的输出值进行跳层连接。