AlexNet 简介

2012年，深度学习三巨头之一的 Geoffrey Hinton 的学生 Alex Krizhevsky 率先提出了 AlexNet， 并在当年度的 ILSVRC(ImageNet 大规模视觉挑战赛)以显著的优势获得当届冠军，top-5 的错误率降至了 16.4%， 相比于第二名 26.2% 的错误率有了极大的提升。这一成绩引起了学界和业界的极大关注， 计算机视觉也开始逐渐进入深度学习主导的时代。

AlexNet 网络结构

AlexNet 继承了 LeNet-5 的思想，将卷积神经网络发展到很宽很深的网络中， 相较 LeNet-5 的 6 万个参数，AlexNet 包含了 6 亿 3 千万条连接， 6 千万个参数和 65 万个神经元。

AlexNet 共有 8 层(输入输出层不计入层数，池化层与卷积层算 1 层)：

• layer input:输入
• layer 1：卷积-池化
• layer 2：卷积-池化
• layer 3：卷积
• layer 4：卷积
• layer 5：卷积-池化
• layer 6：全连接
• layer 7：全连接
• layer 8：全连接
• layer output：输出

原始论文中的结构：

参考

• ImageNet Classification with Deep Convolutional Neural Networks