跟着李沐学AI—AlexNet论文精读 【含研报及视频】
由qxiao创建，最终由qxiao 被浏览 27 用户
研报标题：ImageNet Classification with Deep Convolutional Neural Networks
研报作者：Alex Krizhevsky、Ilya Sutskever 、Geoffrey E. Hinton
简介
CNN 领域的经典之作， 作者训练了一个面向数量为 1.2 百万的高分辨率的图像数据集ImageNet， 图像的种类为1000 种的深度卷积神经网络。并在图像识别的benchmark数据集上取得了卓越的成绩。
和之间的LeNet还是有着异曲同工之妙。这里涉及到 category 种类多的因素，该网络考虑了多通道卷积操作， 卷积操作也不是 LeNet 的单通道卷积了 （LeNet仅仅限于 gray image 的 digit recognition ， label种类就10个）。
该神经网络有6千万个参数，650，000个神经元。包含了五个卷积层（卷积操作层和下采样层统称之为卷积层）， 和三个全连接层。 为了使得训练更快，让网络实现在GPU上进行卷积操作运算，为了减小overfitting， 全连接层引入一个最近兴起的方法：dropout。下面是整个网络的大致介绍：
如图，其中第一层为输入层，就是一张224X224X3的image， 首先进行的是卷积层，kernel 是11X11X3的， 那么每11X11的图像大小范围被卷积操作成为一个新的像素点的一个信道。卷积的步长为4， 说明224 X 224 被卷积成为是 55X55 的大小， 因为卷积核有96个，上下平分（因为被分到不同的GPU进行运算），所以第二层是 55X55X48 的新的层。
研报原文
/wiki/static/upload/4e/4e9eb0cc-6417-488f-972f-4dea3f3ef48e.pdf
\
视频解读
https://www.bilibili.com/video/BV1hq4y157t1/
\