Alexnet的基础知识

过拟合，拟合的函数完美的预测了训练集，但对新数据的测试集预测结果差，泛化能力弱

dropout

在网络正向传播时随机失活一部分神经元

减少过拟合，减少训练参数

经卷积后的矩阵尺寸大小计算公式

n = (w-f+2*p)/(s+1)

1，输入图片大小w*w

2，filter大小f*f

3，步长s

4，padding的像素级p

n*n图像经过f*f的卷积核后得到的图像大小为（（n-f）+1）*（（n-f）+1）

padding =0 ，表示不填充，padding=1，表示在边界填充一个像素值，padding-2表示填充2个像素值

def forward(self, x): x = self.features(x) x = self.avgpool(x) x = torch.flatten(x, 1) x = self.classifier(x) return x

这是一个PyTorch模型的前向传播函数。它首先通过self.features(x)对输入x进行特征提取，然后通过self.avgpool(x)对特征进行平均池化，接着使用torch.flatten(x, 1)将池化后的特征展平，最后通过self.classifier(x)对展平后的特征进行分类。