zonghaile123的博客

AlexNet是2012年ILSVRC 2012（ImageNet Large Scale Visual Recognition Challenge）竞赛的冠军网络，分类准确率由传统方法的 70%+提升到 80%+（当时传统方法已经进入瓶颈期，所以这么大的提升是非常厉害的）。它是由Hinton和他的学生Alex Krizhevsky设计的。也是在那年之后，深度学习开始迅速发展。下图是从AlexNet原论文中截取的网络结构图。在图中有上下两个部分是因为作者使用两块GPU进行并行训练，所以上下两个部分结构是

提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档目录一、混淆矩阵的定义二、准确率(Accuracy), 精确率(Precision), 召回率(Recall)和F1-Measure1.准确率(Accuracy)2.精确率(Precision)3.召回率(Recall)4.F1 score三、ROC曲线和AUC1.ROC曲线2.AUC(Area under Curve)3.P-R曲线一、混淆矩阵的定义(1)若一个实例是正类，但是被预测成为正类，即为真正类(True Postive T..