简单说说CNN常⽤的⼏个网络模型。

常见的CNN网络模型包括：

1. LeNet-5：是第一个成功应用于手写数字识别的CNN模型，由Yann LeCun等人于1998年提出。

2. AlexNet：是一个用于ImageNet比赛的CNN模型，由Alex Krizhevsky等人于2012年提出。它包含了5个卷积层和3个全连接层，是第一个在ImageNet比赛上获得最佳结果的CNN模型。

3. VGG：是由Visual Geometry Group (VGG)提出的CNN模型，其特点是使用了非常小的卷积核（3x3），但是堆叠了很多层，共16~19层。VGG模型在ImageNet比赛上也获得了非常好的结果。

4. GoogLeNet：是由Google公司的研究团队提出的CNN模型，其特点是使用了Inception模块，可以在不增加网络参数的情况下增加网络深度，提高模型性能。

5. ResNet：是由微软亚洲研究院提出的CNN模型，其特点是使用了残差连接（residual connection），可以解决深层网络训练时的梯度消失问题，进一步增加网络深度，提高模型性能。