Python从0到100（八十九）：Resnet、LSTM、Shufflenet、CNN四种网络分析及对比_shufflenet、renet

前言： 零基础学Python：Python从0到100最新最全教程。 想做这件事情很久了，这次我更新了自己所写过的所有博客，汇集成了Python从0到100，共一百节课，帮助大家一个月时间里从零基础到学习Python基础语法、Python爬虫、Web开发、 计算机视觉、机器学习、神经网络以及人工智能相关知识，成为学习学习和学业的先行者！
欢迎大家订阅专栏：零基础学Python：Python从0到100最新最全教程！

本文目录：

• 一、四种网络的结构及介绍
• • 1.ResNet
  • 2.长短期记忆网络（LSTM）
  • 3.ShuffleNet
  • 4.CNN
• 二、具体训练过程
• • 1.Resnet
  • • 1.1 残差块（Block）
    • 1.2 ResNet网络
    • 1.3 辅助方法
    • 1.4 前向传播（Forward Pass）
    • 训练过程及结果
  • 2.LSTM
  • • 2.1 LSTM类及网络层
    • 2.3前向传播（Forward Pass）
    • 训练过程及结果
  • 3.ShuffleNet
  • • 1. ChannelShuffleModule类
    • 2. ShuffleNet类
    • 3. 前向传播（Forward Pass）
    • 训练过程及结果
  • 4.Cnn
• 三、结果分析
• 四、结论
• • 1. 模型结构设计差异
  • 2. 模型结构设计对训练和loss的影响
  • 3. Loss设计对模型性能的影响
  • 文末送书
  • • `本期推荐1：`
    • `本期推荐2：`

为了进一步探索不同网络结构在WISDM数据集上的表现，本文将继续深入研究，将训练模型推广到其他网络结构中，包括ResNet、LSTM和ShuffleNet，并通过仿真实验对比这些网络在WISDM数据集上的训练效果。

一、四种网络的结构及介绍

1.ResNet