CNN深度神经网络之AlexNet模型

前言

Alex在2012年提出的alexnet网络结构模型引爆了神经网络的应用热潮，并赢得了2012届图像识别大赛的冠军，使得CNN成为在图像分类上的核心算法模型。 由于这时候的GPU性能还不足，Alex采用两块GPU同时训练模型，模型被分成了两路，但是现在的GPU性能已经完全可以容得下整个网络的训练，因此在网络分离这部分可以忽略。

整个网络共有8层，前5个为卷积层，后三层是全连接层。

第一层-卷积层1

1. 输入的图片大小为:227*227*3
2. 第一次卷积操作，卷积核大小11*11*3，尺寸为96，步长4，边缘丢弃。因此卷积输出为55*55*96。(227-11)/4+1=55.
3. 卷积层后跟ReLU,尺寸不变.
4. 最大池化层,核大小为3*3,步长为2,因此feature map的大小为:27*27*96.(55-3)/2+1=27

第二层-卷积层2

1. 输入的图片就是第一层输出，大小为:27*27*96
2. 第一次卷积操作，卷积核大小5*5*96，尺寸为256，步长1，边缘补齐。因此卷积输出为27*27*256。
3. 卷积层后跟ReLU,尺寸不变.
4. 最大池化层,核大小为3*3,步长为2,因此feature map的大小为:13*13*256.(27-3)/2+1=13

第三层-卷积层3