AlexNet学习笔记

1.可处理彩色图片，有RGB三通道

2.计算卷积后图片大小：（原长+2*池化-卷积核长）/步长+1。AlexNet中卷积核数量为96个（48*2，便于并行处理）

3.maxpooling：取区域内最大的数值

4.卷积核是怎么设定的：卷积核里面数就是所谓的权重，网络训练时输出的结果会和数据集标签做损失计算，然后把计算得到的损失反向梯度下降去更新卷积核里的每一个参数。所以卷积核里面的参数最终是训练得到的。但最开始时是需要给这些参数提供初始值才能使网络运行，可以简略分三种：一种就是取偏差很小的高斯分布随机取值，第二种是 Xavier初始化方法，第三种是He kai ming初始化方法。

5.全连接是怎么连的：https://www.zhihu.com/search?type=content&q=%E4%BB%8E%E5%8D%B7%E7%A7%AF%E5%88%B0%E5%85%A8%E8%BF%9E%E6%8E%A5%E5%B1%82

6.每次都取数据集中batch_size个数据训练，共训练50次。迭代是从一开始就迭代，有超级多的参数（卷积核上的参数以及全连接的权重）。

7.卷积中的ReLU是把卷积后每个<0的数字变成0，它使得梯度下降和反向传播更加有效率：避免了梯度爆炸和梯度消失问题。

B站：3.1 AlexNet网络结构详解与花分类数据集下载

B站：大白话讲解卷积神经网络工作