AlexNet 是由 Alex Krizhevsky、Ilya Sutskever 和 Geoffrey Hinton 在2012年 ImageNet 图像分类竞赛中提出的一种经典的卷积神经网络。

VGG（Visual Geometry Group）是一个视觉几何组在2014年提出的深度卷积神经网络架构。VGG 网络采用连续的小卷积核（3x3）和池化层构建深度神经网络，网络深度可以达到16层或19层，其中 VGG16 和 VGG19 最为著名，都由多个卷积层和池化层交替堆叠而成，最后使用全连接层进行分类。广泛应用于图像分类、目标检测、语义分割等计算机视觉任务中，深度学习领域的经典模型之一。

LeNet-5 是一个经典的深度卷积神经网络，由 Yann LeCun 在 1998 年提出，旨在解决手写数字识别问题，被认为是卷积神经网络的开创性工作之一。该网络是第一个被广泛应用于数字图像识别的神经网络之一，也是深度学习领域的里程碑之一。

ZFNet 是由 Matthew D.Zeiler 和 Rob Fergus 在 AlexNet 基础上提出的大型卷积网络，ZFNet 在 2013 年 ILSVRC 图像分类竞赛获得冠军。ZFNet 提出了一种可视化的技术，通过可视化，我们就可以了解卷积神经网络中间层的功能和分类器的操作，这样就就可以找到较好的模型。ZFNet 还进行消融实验来研究模型中的每个组件，它会对模型有什么影响。