《表1 DenseNet-40(k=12）模型结构》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《MT-混合数据的深度网络快速训练方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由于卓越的性能以及易于训练，我们使用DenseNet-40(k=12）结构作为我们的模型（k是DenseNet模型中的增长因子）。该模型由3个块结构构成，每个块中包含12个密集连接卷积层。在块与块之间，还存在一个过渡层，该层的作用主要是用于进行特征图融合与下采样操作。网络的输出层是一层全连接层，当我们使用CIFAR-10与SVHN作为训练数据时，全连接层的输出维度为10，当使用CIFAR-100时，全连接层的输出维度为100。除此之外，为了对输入图像进行特征图提升，网络的第一层被设置为一个卷积层（我们把一个BN-ReLU-Conv的模块叫做一个卷积层）。该网络的整体结构可以在表1中查看到。