1.8.7 总结与扩展
前情回顾：
1.8.1 卷积神经网络近年来在结构设计上的主要发展和变迁——AlexNet
1.8.2 卷积神经网络近年来在结构设计上的主要发展和变迁——VGGNet
1.8.3 卷积神经网络近年来在结构设计上的主要发展和变迁——GoogleNet/inception-v1
1.8.4 卷积神经网络近年来在结构设计上的主要发展和变迁——Inception-v2 和Inception-v3
1.8.5 卷积神经网络近年来在结构设计上的主要发展和变迁——Inception-v4 和 Inception-ResNet
卷积神经网络的基本结构在过去几年里发生了很多变化，从简单的堆砌卷积层，到堆砌3×3卷积层，到Inception系列网络中的细节设计，可以说卷积神经网络的结构设计已经逐渐精细了。
此外，近两年来还涌现出了许多其他的优秀模型，如通过神经网络架构搜索(Neural Architecture Search,NAS）得到的 NASNet(17) 、获得2017年ILSVRC大规模视觉识别竞赛冠军的SENet(18)等。本节受篇幅限制不再讲解，感兴趣的读者可自行阅读相关论文。
图1.17绘制了多种卷积神经网络在计算量、参数量以及在ImageNet 2012数据集上的分类效果（包括Top-1正确率和Top-5正确率）等方面的对比图(19)，供读者参考。
(17) Learning transferable architectures for scalable image recognition (2018)
(18)Squeeze-an d-excitation networks (2018)
(19)Benchmark analysis of representative deep neural network architectures (2018)
参考文献：
《百面深度学习》 诸葛越 江云胜主编
出版社：人民邮电出版社（北京）
ISBN：978-7-115-53097-4
2020年7月第1版（2020年7月北京第二次印刷）
推荐阅读：
//好用小工具↓
// 深度学习经典网络↓
