https://www.zhihu.com/question/62509034

本文仅作为学术分享，如果侵权，会删文处理

作者：bingo

https://www.zhihu.com/question/62509034/answer/199177562

谢邀。第一次答DL相关题目，如有错误，欢迎指正。

前几天刚好跟同学讨论到画的好看的CNN图，正好答一下问题，自己也做下整理收藏。

LeNet，1998年；AlexNet，2012年 ；ZF-net，2013年；NIN，2013年；GoogLeNet (InceptionV1)，2014年；VGG，2014年；Batch Norm (InceptionV2)，2015年；InceptionV3 ，2015年；ResNet，2015年；InceptionV4，2016年。

依次上图（多图预警）：

LeNet

AlexNet

ZF-net

NIN

GoogLeNet

VGG

Batch Norm

通用数据预处理，没有提出新的网络模型

InceptionV3

ResNet

InceptionV4

在经典的CNN基础上，大家都会根据自己的算法和结构作出一些改进。

个人认为比较好看的CNN结构图：

Andrej Karpathy大神主页（Andrej Karpathy Academic Website）贴出了部分论文的图：

Large-Scale Video Classification with Convolutional Neural Networks paper里横向类似Alexnet的图以及纵向多个level的fusion图，与之类似的是另一篇paper里面为了表示各种level pooling做的层级concat的图：

Image Feature Learning for Cold Start Problem in Display Advertising模仿ZF-net做的图。

Two-Stream Convolutional Networks for Action Recognition in Videos视频分析经典的Two-stream CNN图：

同样视频分析Limin Wang做了不同改进的视频应用CNN结构图：Limin Wang

最后放一个我们Pooling the Convolutional Layers in Deep ConvNets for Video Action Recognition里面的图：

根据上面一些经典的CNN结构图和大神们paper里面的CNN模型图，可以看出大家还是在参考经典CNN结构的基础上作出自己的一些变化：例如Cold Start paper模仿ZF-net的图，我们Pooling the Convolutional paper和视频分析的很多paper参考Two-Stream的图，在layer上面进行Fusion以及Pooling通常会参考上面Karparthy Sports-1M以及Beyond Short Snippets中Layer concatenation类似的图。

当然除了直接放图之外，VGG还放出了一个表格，清晰的表明每一层的结构和参数。有时候，为了强调自己模型在网络局部的改进，也会有局部区域图出现例如InceptionVX里面卷积核大小不断变化的一系列图，ResNet中shorcut结构：

作者：天机

https://www.zhihu.com/question/62509034/answer/201313069

前两天看到一个高端的。