-
接上一篇LeNet现实mnist手写识别
-
使用经典模型AlexNet实现相同的功能
-
先简单介绍一下,今天的主角,重燃神经网络辉煌的的模型AlexNet
AlexNet是2012年ImageNet竞赛冠军获得者Hinton和他的学生设计的,在那年之后,更多的更深的神经网络如雨后春笋般出现,比如优秀的vgg,GoogLeNet等。 对于传统的机器学习分类算法而言,已经是相当出色。
- 简单介绍一下 AlexNet模型的结构:
- 结构如下如:
-借用百度百科的图片展示.
- 使用的新技术如下:
- 8层变换,其中有5层卷积和2层全连接隐藏层,以及1个全连接输出层。
- 将sigmoid激活函数改成了更加简单的ReLU激活函数。
- 用Dropout来控制全连接层的模型复杂度。
- 使用CUDA加速深度卷积网络的训练
- 引入数据增强,如翻转、裁剪和颜色变化,从而进一步扩大数据集来缓解过拟合
- 代码兼容GPU
- 这个模型比较复杂,在CPU上很是费劲,尽可能在GPU上运行.
- 代码中包含可训练参数的计算、features Map的大小计算
- 代码中备注又不清楚的请留言,我们要做一个严谨的Coder
- 不能运行的都是耍流氓
- 下面上代码:
#引入使用库
import time
import torch
from torch import nn,optim
import torchvision
- 结构如下如: