DenseNet121

DenseNet-121是一种深度卷积神经网络（Deep Convolutional Neural Network），由GitHub上的QwQius团队成员Gao Huang等人于2016年提出。DenseNet的设计理念是在每一层中连接所有前一层的输出，这样每个神经元都接收到来自前面所有层的信息，这被称为“密集连接”。

DenseNet-121的主要特点是信息密集传播和特征重用，减少了参数数量并加快了训练速度。它的结构紧凑，具有较少的参数量，但依然能够达到或超过其他大型深度模型的性能，尤其是在图像识别任务上。由于其结构的优势，DenseNet被广泛应用于计算机视觉领域，如ImageNet数据集的分类任务。

该模型共有121层，其中包含了多个密集块，每个块内部包含了一系列的卷积、批量归一化和ReLU激活。最后一部分通常是一个全局平均池化层，然后接上全连接层用于分类预测。