Alxenet论文解读

最新推荐文章于 2024-02-27 11:27:42 发布

weixin_42620108

最新推荐文章于 2024-02-27 11:27:42 发布

阅读量199

点赞数

分类专栏：论文解读文章标签：神经网络深度学习

本文链接：https://blog.csdn.net/weixin_42620108/article/details/105789441

版权

论文解读专栏收录该内容

1 篇文章 0 订阅

订阅专栏

在ImageNet竞赛中，我们的大型深度卷积网络实现了显著的性能提升，达到37.5%的top1错误率和17.0%的top5错误率。网络包含6500万参数，5个卷积层和3个全连接层，通过使用非饱和神经元和高效GPU实现快速训练。引入dropout正则化有效避免过拟合，最终在ILSVRC-2012比赛中获得15.3%的前5名错误率。

摘要由CSDN通过智能技术生成

论文地址，点这里

摘要

在ImageNet挑战赛中我们训练了一个大型的深度卷积网络，在测试数据集上，我们取得了top1和top5的错误率分别为37.5%和17.0%，比之前的水平有很大的提高。改神经网络有6500万个参数和65万个神经元，改网络有5个卷积层（其中一部分卷积层需要经过最大池化层）和3个全连接层(最后一层为1000类的softmax层),为了使训练更快，我们使用了非饱和神经元和一个非常高效的GPU实现卷积运算.为了减少全连通层的过拟合，我们采用了一种最近发展起来的正则化方法——dropout，它被证明是非常有效的。我们还在ILSVRC-2012比赛中运用了了该模型的一个变体，并获得了15.3%的前5名测试错误率，而第二名获得了26.2%的错误率。