Caffe神经网络结构汇总

自2012年Alexnet赢得了ImageNet竞赛以来,深度学习(神经网络)得到了飞速发展,产生了许多的神经网络结构,本文主要总结Caffe中使用的神经网络(分类的神经网络),本文的神经网络作者都使用Caffe训练过,并在Kaggle的Intel癌症预测比赛中进行了测试与使用(top 8%)。

1. Alexnet

Alexnet,2012年ImageNet竞赛冠军,深度学习的里程碑。

网络结构地址:https://github.com/BVLC/caffe/tree/master/models/bvlc_alexnet

预训练模型地址:http://dl.caffe.berkeleyvision.org/bvlc_alexnet.caffemodel

2. Squeezenet

Squeezenet设计目标不是为了提高识别的准确率,而是希望简化网络复杂度。squeezenet的模型结构确实很小,没压缩的情况下才5M左右,而且识别的精度还可以。

网络结构地址:https://github.com/DeepScale/SqueezeNet

预训练模型地址:https://github.com/DeepScale/SqueezeNet

3. VGG系列

VGG和GoogLenet是2014年imagenet竞赛的双雄,VGG主要分为VGG16和VGG19。其网络结构与预训练模型的地址如下:

VGG16的网络结构:https://gist.github.com/ksimonyan/211839e770f7b538e2d8#file-readme-md

VGG16的预训练模型: http://www.robots.ox.ac.uk/~vgg/software/very_deep/caffe/VGG_ILSVRC_16_layers.caffemodel

VGG19的网络结构:https://gist.github.com/ksimonyan/3785162f95cd2d5fee77#file-readme-md

VGG19的预训练模型:http://www.robots.ox.ac.uk/~vgg/software/very_deep/caffe/VGG_ILSVRC_19_layers.caffemodel

备注:上面的网络结构需要进行细微调整才能在Caffe中直接训练,主要是网络结构中的Type类型。

4. Resnet系列

Resnet网络,2015年ImageNet竞赛冠军,网络结构主要分为Resnet-50、Resnet-101、Resnet-152三种,当然也有一些其它的结构,例如Resnet-18,Resnet-14。

Github地址:https://github.com/KaimingHe/deep-residual-networks

Resnet-50、Resnet-101、Resnet-152的网络结构及预训练模型的下载地址:https://onedrive.live.com/?authkey=%21AAFW2-FVoxeVRck&id=4006CBB8476FF777%2117887&cid=4006CBB8476FF777

5. Inception系列

Inception系列是Google发明的一系列神经网络结构。

Inception-v1:

Inception-v1,即大名鼎鼎的GoogLenet,2014年ImageNet竞赛冠军。

网络结构地址:https://github.com/BVLC/caffe/tree/master/models/bvlc_googlenet

预训练模型地址:http://dl.caffe.berkeleyvision.org/bvlc_googlenet.caffemodel

Inception-v2:

即Inception V1 + Batch Normalization。

网络结构地址:https://github.com/pertusa/InceptionBN-21K-for-Caffe

预训练模型地址:http://www.dlsi.ua.es/~pertusa/deep/Inception21k.caffemodel

Inception-v3:

网络结构地址:https://pan.baidu.com/s/1boC0HEf#list/path=%2F

预训练模型地址:https://pan.baidu.com/s/1boC0HEf#list/path=%2F

Inception-v4:

网络结构地址:https://pan.baidu.com/s/1c6D150#list/path=%2F

预训练模型地址:https://pan.baidu.com/s/1c6D150#list/path=%2F

Inception-resnet-v2:

网络结构地址:https://pan.baidu.com/s/1jHPJCX4#list/path=%2F

预训练模型地址:https://pan.baidu.com/s/1jHPJCX4#list/path=%2F

6. Densenet系列

网络结构及预训练模型地址: https://github.com/liuzhuang13/DenseNetCaffe https://github.com/shicai/DenseNet-Caffe

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏SIGAI学习与实践平台

理解神经网络的激活函数

激活函数在神经网络中具有重要的地位,对于常用的函数如sigmoid,tanh,ReLU,不少读者都已经非常熟悉。但是你是否曾想过这几个问题:

742
来自专栏jennyxia的专栏

深度学习简易入门

深度学习是机器学习中的一个重要的方向,深度学习其实就是神经网络学习,这里“深度”就是说神经网络中众多的层。那么深度学习是用来干嘛的呢?

4750
来自专栏AI研习社

使用 GAN 网络生成名人照片

生成式对抗网络(GANs)是深度学习中最热门的话题之一。 生成式对抗网络是一类用于无监督学习算法的人工算法,由两个神经网络组成的系统实现:

351
来自专栏Petrichor的专栏

深度学习: NIN (Network in Network) 网络

优点是:1. 提供了网络层间映射的一种新可能;2. 增加了网络卷积层的非线性能力。

992
来自专栏WD学习记录

机器学习 学习笔记(5) 线性回归

给定数据集D={(x1,y1),(x2,y2),...,(xm,ym)},其中xi=(xi1;xi2;xi3;...;xid),yi是实数。线性回归试图学得一个...

1065
来自专栏机器之心

教程 | 如何估算深度神经网络的最优学习率

3285
来自专栏机器学习算法全栈工程师

Scikit-learn之决策树

作者:章华燕 编辑:黄俊嘉 决策树在学习应用中非常有用,接下来给大家分享一下自己有关于决策树的一些想法! 决策树概述 决策树是一个非参数的监督式学习方法,主要用...

2786
来自专栏企鹅号快讯

基于深度学习的行人重识别研究综述

AI 科技评论按:本文为浙江大学罗浩为 AI 科技评论撰写的独家稿件,得到了作者本人指点和审核,在此表示感谢。 前言:行人重识别(Person Re-ident...

4408
来自专栏机器之心

ICML 2018 | 再生神经网络:利用知识蒸馏收敛到更优的模型

2067
来自专栏应兆康的专栏

机器学习概念:梯度下降

机器学习中大部分都是优化问题,大多数的优化问题都可以使用梯度下降/上升法处理,所以,搞清楚梯度算法就非常重要。

3659

扫码关注云+社区