AlexNet网络解析

AlexNet网络解析

1简介

  AlexNet是2012年由Hinton学生Alex Krizhevsky提出的深度卷积网络模型，并在2012的ImageNet大赛上获得了飞跃性成果，以碾压性的优势超过第二名，拿到当年比赛的冠军（第一名top-5错误率16.4%，第二名top-5错误率26.2%），同时也确定了深度网络（卷积神经网络）在计算机视觉领域的地位。

2网络结构

  由于硬件显存限制（3GB），AlexNet当时的训练使用两个GPU，每个GPU的显存中各存储一半的神经元参数，两个GPU做着相同的训练，只是每一层网络在深度上平分为两部分，最终在全连接层时进行合并。
  网络输入图片大小为224x224x3，然后经过多次卷积核池化后，进入全连接层，最后用于分类，每层使用的卷积核大小、步长等参数如下：

Op	kernel_size	kernel_num	stride	activation
conv1	11x11	96<