DL:CNN-ImageNet Classification with Deep Convolution Neural Networks

有好多人写了好多关于CNN，关于2012年ImageNet的博客，这里我来记录一下自己学习所了解到的一些东西，有可能不全面，等想到什么再进行补充吧。

Paper：2012 ImageNet Classification with Deep Convolution Neural Networks

疑问：

 关于本文还有疑问，各位看客如果知道的话，望给解答

（1）关于数据的问题

      在论文的2 The Dataset 里面讲到由于ImageNet的images的图像分辨率不同，而文章所用的CNN的输入需要是同一分辨率的，So，作者将所有images的分辨率固定为256*256。那为什么在文章 3.5 overall Architecture中网络结构的输入是224*224*3 ？？

（2）关于网络结构

      文章中提到网络结构分为8层，前5层为卷积层，后3层为全连接层。问：前5层网络中，为什么只有前两层有pooling层，而后边的卷积没有进行pooling？

Abstract

Train: 1.2 million high-resolution images into 1000 classes

在test集上，error rate有所降低

网络结构：5个卷积层（有些层后会有max-pooling），3层全连接层，用softmax分类

为了快速训练：卷积层用非饱和的神经元（non-saturating neurons）和高效的GPU。

为了降低全连接层的过拟合问题：用dropout（&&&&&）。

Introduction