经典的卷积神经网络（VGG，GoogLeNet等）

LeNet

LeNet原文地址：https://ieeexplore.ieee.org/abstract/document/726791

Lenet是一个 7 层的神经网络（不包含输入层），包含 3 个卷积层，2 个池化层，2 个全连接层。它的网络结构图如下所示：

详见：卷积神经网络模型之——LeNet网络结构与代码实现：https://wang11.blog.csdn.net/article/details/125451194

AlexNet

AlexNet原文地址：https://proceedings.neurips.cc/paper/2012/file/c399862d3b9d6b76c8436e924a68c45b-Paper.pdf

AlexNet网络的原始输入图像大小为【3,224,224】，由5个卷积层、3个池化层和3个全连接层构成，并且在每一个卷积层和全连接层之后都进行一次ReLU激活。其中的3个池化层分别跟在第1、第2和第5个卷积层的激活之后。网络结构图如下：

详见：卷积神经网络模型之——AlexNet网络结构与代码实现：https://wang11.blog.csdn.net/article/details/125461622

VGG

VGG原文：Very deep convolutional networks for large-scale image recognition：https://arxiv.org/pdf/1409.1556.pdf

在论文中，作者尝试了使用5种不同的网络结构，深度分别为11,11,13,16,19，5种结构图如下所示：

详见：卷积神经网络模型之——VGG-16网络结构与代码实现：https://wang11.blog.csdn.net/article/details/125566442

GoogLeNet

GoogLeNet原文地址：Going Deeper with Convolutions：https://www.cv-foundation.org/openaccess/content_cvpr_2015/papers/Szegedy_Going_Deeper_With_2015_CVPR_paper.pdf

GoogLeNet的完整网络结构如下所示：

详见：卷积神经网络模型之——GoogLeNet网络结构与代码实现：https://wang11.blog.csdn.net/article/details/125626247