Tensorflow搭建AlexNet卷积神经网络

目录

一、详解AlexNet

1.1 AlexNet 简介

1.2 AlexNet网络结构

1.3 AlexNet的创新之处

1.4 AlexNet的性能

二、搭建AlexNet进行图片分类

2.1 自定义数据集加载

2.2 网络结构搭建

2.3 迭代训练

2.4 可视化

三、完整代码与测试结果

---

一、详解AlexNet

1.1 AlexNet 简介

  在2012年，多伦多大学的Alex Krizhevsky、Hinton等人提出了8层的深度神经网络模型AlexNet，并且因此而获得了ILSVRC12 挑战赛 ImageNet 数据集分类任务的冠军。为了纪念Alex Krizhevsky所做的突出贡献，所以将该网络结构命名为AlexNet。
  Hinton当时是多伦多大学的教授，现在是公认的人工智能领域三巨头之一。Deep Learning的概念就是由他提出来的。而Alex Krizhevsky是他当时的学生。
  AlexNet 模型的优越性能启发了业界朝着更深层的网络模型方向研究。自 AlexNet 模型提出后，各种各样的算法模型相继被发表，其中有 VGG 系列，GooLeNet，ResNet 系列，DenseNet 系列等等

1.2 AlexNet网络结构

  整体结构上，AlexNet包含8层；前5层是卷积层，剩下的3层是全连接层。全连接层的输出是1000维的，最后通过softmax的得到各个类别的概率，实现了1000分类。整体结构如下：

  由于当时计算机硬件性能有限，使得AlexNet采用了两块GTX580 3GB GPU进行分布式训练。但是现在的计算机水平完全可以考虑在单台电脑上跑。后面