AlexNet是深度学习领域的里程碑之作，它首次采用GPU加速网络训练，使用ReLU激活函数，并结合LRN和Dropout技术减少过拟合。该网络包含多个卷积层和maxpooling层，通过全连接层输出类别。卷积运算中，滤波器与图像进行内积，生成特征映射，通过调整滤波器大小、步距和填充，控制输出尺寸。这些创新为后续深度学习模型奠定了基础。
AlexNet的主要特点有以下三点：
- 首次利用了GPU进行网络的加速训练。
- 激活函数使用的是ReLU，而不是sigmoid或tanh。
- 使用了LRN局部网络归一化（效果不大）。
- 使用了Dropout方法随机失活神经元减少过拟合。
AlexNet整个网络结构如图所示：
有很多卷积层和maxpooling层，最后通过一个全连接层输出类别，在这里，需要回顾一下卷积神经网络的一些概念。
卷积
假设要识别的图像的尺寸是 6*6，现在有多个Filter（卷积核），里面的参数是需要网络学习的，卷积操作即是：
- 将Filter放到图像的左上角，做矩阵的内积运算（对应数相乘，结果相加），结果保存。
- 向右移动stride（步距），继续内积运算，重复此步，直到到达右边界后向下移动一个stride。
- 重复步骤2。
这里假设Filter是3*3的，步距是1，那么最后就会生成一个4*4的矩阵，称为feature-ma
最低0.47元/天 解锁文章
521
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
