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。
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。
![3.1 AlexNet网络结构详解与花分类数据集下载](https://i-blog.csdnimg.cn/blog_migrate/01674ee5132f166eb9df6d410fdda460.png)
![大白话讲解卷积神经网络工作](https://i-blog.csdnimg.cn/blog_migrate/c24e2b7d27f864c0015db2531afa5c57.png)