AlexNet网络结构与创新点分析.pptxVIP

AlexNet详解AlexNet是2012年ISLVRC2012（ImageNetLargeScaleVisualRecognitionChallenge）竞赛的冠军网络，分类准确率由传统的70%+提升到80%+。它是由Hinton和他的学生AlexKrizhevsky设计的。也是在那年之后，深度学习开始迅速发展。ISLVRC2012训练集：1,281,167张已标注图片验证集：50,000张已标注图片测试集：100,000张未标注图片

AlexNet详解该网络的亮点在于：首次利用GPU进行网络加速训练。使用了ReLU激活函数，而不是传统的Sigmoid激活函数以及Tanh激活函数。使用了LRN局部响应归一化。在全连接层的前两层中使用了Dropout随机失活神经元操作，以减少过拟合。

AlexNet详解过拟合：根本原因是特征维度过多，模型假设过于复杂，参数过多，训练数据过少，噪声过多，导致拟合的函数完美的预测训练集，但对新数据的测试集预测结果差。过度的拟合了训练数据，而没有考虑到泛化能力。

AlexNet详解使用Dropout的方式在网络正向传播过程中随机失活一部分神经元

AlexNet详解①输入图片大小W×W②Filter大小F×F③步长S④padding的像素数P经卷积后的矩阵尺寸大小计算公式为：