AlexNet的记录
AlexNet的概述
采用ImageNet在LSVRC—2010竞赛的数据集,将120万张高分辨率的图片分到1000个不同的类别里,测试数据的错误率分别达到top-1 37.5%,top-5 17%的错误率。采用的神经网络有6000万个参数,650000个神经元。有5个卷积层,3个全连接层,最后有一个1000维的softmax。 为了使网络训练的时间更快,采用了非饱和非线性的神经元ReLU。为了减少全连接的过拟合,采用了dropout的正则化的方法。
作者用这个模型的一个变种模型参加了LSVRC-2012年的比赛,达到了top-5 15.3%的错误率,第二名达到了top-5 26.2%的错误率,效果远好于第二名。这个网络使用了两个GTX580 3GB GPU,在上面训练了5,6天。
由于当时的设备限制,实验的结果可以通过更快的GPU和更大的数据集来提高。
数据集
ILSVRC使用ImageNet的子集,有1000个类别,每个类别有1000张,共有120万个训练图片,50000张验证集图片,15万张测试图片。ILSVRC-2010可以或获得测试集标签,但是ILSVRC-2012不可以获得测试集标签。
除了训练集上像素减去平均活跃度外,不对图像做其他预处理 |