深度学习—卷积神经网络AlexNet

在这一讲中，我们将详细讲解深度学习发展中的重要里程碑AlexNet。

1. AlexNet的历史

2012年Geoffrey Hintton的学生ALEX Krizhevsky构建了一个包含65万多个神经元，待估计参数超过6000万的大规模的卷积神经网络。他以自己的名字命名了这个神经网络叫作AlexNet，用以解决ImageNet数据集1000类的分类问题。在2012年，ImageNet测试比赛上取得了远超Goole和Facebook两个大公司的成绩。相比前面讲过的LeNet，AlexNet在网络结构上深了很多，即神经网络层数和每层神经元个数多了很多，但其基本思想与LeNet完全一样，我们看懂了LeNet后能很容易看懂AlexNet，下图1是AlexNet的网络结构图。

图1 AlexNet网络结构图

2. AlexNet网络结构简要分析

从图1也可以看到，它也是由一些卷积层、降采样层和全连接层组成的。需要注意的是层与层之间也有非线性函数和Batch Normalization，图中没有画出。下面举例说明AlexNet的网络结构。

例如在图中第一个卷积层中，输入的是227×227的彩色图片，由于彩色图片有RGB三个颜色分量，所以channel数量为3。第一个卷积层有96个11×11×3的卷积核，卷积的步长stride=(4,4)。

根据上一讲的思考题，如果一个M×N的图像和一个m×n的卷积核进行操作，移动步长stride=(P,Q)，即在长的方向上每步移动P个像素，在宽这个方向上每步移动Q个像素，请问经过卷积操作后获得的特征图的长H和宽W分别是多少呢？

$$H=floor(\frac{M-m}{P})+1$$

W = f l o o r ( N − n Q )