AlexNet学习日记(一)2019/4/25-26

愿你熬得过万丈孤独 藏得下星辰大海

1.用TensorFlow or Pytorch搭建AlexNet

pytorch：静态框架学习的链接

 

Tensorflow：动态框架

Tensorflow是基础框架之一，选择Tensorflow学习

2.AlexNet

https://yq.aliyun.com/articles/602853

input:256*256的RGB图像，所以所有训练集和测试集图像大小都要设为256*256

         1. 如果大小不对，训练之前需要转换：将图片缩小裁剪成一个256*256图像，比如

  

           //可以不裁剪吗？
                      //裁剪应该是自己设置怎么裁剪，但是如果图片原因裁剪会减掉有用的地方怎么办？

          2. 如果是灰度图像： 可以复制单个通道转换成3通道的RGB图像

结构：

          1. 256*256图像可以产生随机大小的图像，AlexNet第一层为产生的227*227图像

插入卷积概念：

想象卷积是一种混合信息的手段，把装满信息的两个桶倒入一个桶并通过某种规则进行搅拌——即混合两种信息的过程

在图像上应用卷积的时候是通过两个维度——水平+竖直方向 我们混合两桶信息：           第一桶是输入的图像，由三个矩阵构成——RGB三个通道，其中每个元素是0~255的一个整数。           第二桶是卷积核（kernel），单个浮点数矩阵。            卷积核的大小和模式可以想象成一个搅拌图像的方法，卷积核的输出是一幅修改后的图像，在深度学习中被称作feature map。对每个颜色通道都有一个 feature map。

             8层深度网络，其中5层卷积层和3层全连接层，不计LRN层和池化层

            各层训练参数计算

            前五层：卷基层 

            后三层：全连接层

 

项目原因先做AE，完成后回来更新

 

            

             

3.代码

https://blog.csdn.net/accepthjp/article/details/69999309