第一周--Alexnet

1. ImageNet数据集与ILSVRC之间的关系是什么？

ImageNet Large Scale Visual Recognition Challenge(ILSVRC)，从2010年开始,每年举办的ImageNet大规模视觉识别挑战赛，到2017年后截止。比赛项目包括：图像分类(Classification)、目标定位(Object localization)、目标检测(Object detection)、视频目标检测(Object detection from video)、场景分类(Scene classification)、场景解析(Scene parsing)。ILSVRC中使用到的数据仅是ImageNet数据集中的一部分。

2. AlexNet训练过程的数据增强中，针对位置，采用什么方法将一张图片有可能变为2048张不一样的图片（1个像素值不一样，也叫不一样）？

原图像是256256，我们从中抽取224224的部分，如此一张图片产生32*32=1024张图片。然后进行水平翻转变换，一张图片总计产生2048张图片。

3. AlexNet使用的Dropout，在使用过程中需要注意什么？

将失活的概率设置为0.5，但是在测试阶段，要将所有的神经元输出乘以0.5，对指数级的许多失活网络的预测分布进行几何平均。
将输入通过修改后的网络进行前向传播，然后将误差通过修改后的网络进行反向传播。

4. 读完该论文，对你的启发点有哪些？

可用Alexnet提取高级特征进行图像检索，图像聚类，图像编码。

5. 代码实践：在猫狗数据集上，对比采用预训练模型和不采用预训练模型这两种情况，训练曲线有何差异，截图打卡。

1.采用预训练模型，训练曲线如下：

    path_state_dict = os.path.join(BASE_DIR, "..", "data", "alexnet-owt-4df8aa71.pth")

2.不采用预训练模型，训练曲线如下：

alexnet_model = models.alexnet(pretrained=False)

6.文字：本篇论文的学习笔记及总结