网络介绍:
- ImageNet2012竞赛第一名;他标志着DNN深度学习革命的开始;
- 网络包含5个卷积层+3个全连接层;
- 60M个参数+650K个神经元;
- 2个分组——>2个GPU(3G,受限于当时硬件),训练时长一周,50x加速;
- 引入的新技术有:ReLU非线性激活;Max pooling池化;Dropout regularization(主要用于防止过拟合,在判断决策的FC层使用;
模型网络框图如下:
输入图片大小理论上应为
227X227X3(大小为227*227的RGB图)
每一层的结构如下图:
其中LRN为局部响应归一化,具体解释可参考文章:http://blog.csdn.net/hduxiejun/article/details/70570086