AlexNet网络详解_alexnet一举夺冠(krizhevsky et al. 2012),分类准确率比第二名采用支持向

一、背景

2012年，Alex Krizhevsky等人在多伦多大学的实验室设计出了一个深层的卷积神经网络AlexNet，夺得了2012年ImageNet LSVRC的冠军，且准确率远超第二名（top5错误率为15.3%，第二名为26.2%），引起了很大的轰动。AlexNet可以说是具有历史意义的一个网络结构。

二、模型结构

从图中可以看出，AlexNet网络结构分为上下两层，分别对应两个GPU的操作过程，除了中间某些层（ 卷积层和 全连接层会有GPU间的交互）外，其他层两个GPU分别计算结果。除去局部响应规范化操作（Local Responsible Normalization, LRN），AlexNet一共包含8层，前5层由卷积层（其中卷积层1、2、5后含有下采样层）组成，而剩下的3层为全连接层。最后一层全连接层的输出作为softmax的输入，得到1000个图像分类标签对应的概率值。

三、网络的参数配置

除了GPU并行结构的设计，AlexNet网络结构与LeNet十分相似，其网络的参数配置如下表所示：

四、每一层作详细的分析

为了简化网络结构，将作者原论文中的在两个GPU上的并行结构合并，接下来我们对AlexNet的每一层作详细的分析。

1、Conv1: kernels:48×2=96；kernel_size:11；padding:[1, 2] ；stride:4

2、Maxpool1: kernel_size:3；pading:0；stride:2

3、Conv2: kernels:128×2=256； kernel_size:5； padding: [2, 2]； stride:1

4、Maxpool2: kernel_size:3； pading:0； stride:2

5、Conv3: kernels:192×2=384； kernel_size:3； padding: [1, 1]； stride:1

6、Conv4: kernels:192×2=384； kernel_size:3； padding: [1, 1]； stride:1

7、Conv5: kernels:128×2=256； kernel_size:3； padding: [1, 1]； stride:1

8、Maxpool3: kernel_size:3 padding: 0 stride:2

9、全连接层FC1、FC2、FC3