AlexNet网络模型

AlexNet 是一个深度卷积神经网络，由 Alex Krizhevsky、Ilya Sutskever 和 Geoffrey Hinton 在 2012 年的 ImageNet 大规模视觉识别挑战赛（ILSVRC）中首次提出并获得了显著的成功。它是深度学习历史上一个里程碑式的模型，对后来的深度学习和计算机视觉研究产生了深远的影响。

以下是 AlexNet 的主要特点和架构：

架构

1. 输入层：接受 224x224 的 RGB 图像（3 个通道）。

2. 第一个卷积层：

   • 卷积核大小：11x11
   • 步长（stride）：4
   • 输出通道数：96
   • 使用 ReLU 激活函数
   • 使用局部响应归一化（Local Response Normalization）

3. 第一个池化层：

   • 大小：3x3
   • 步长：2

4. 第二个卷积层：

   • 卷积核大小：5x5
   • 输出通道数：256
   • 使用 ReLU 激活函数
   • 使用局部响应归一化

5. 第二个池化层：

   • 大小：3x3
   • 步长：2

6. 第三个卷积层：