alexnet

【深度学习】搞懂卷积神经网络(一)卷积神经网络是一种具有局部连接，权重共享等特性的深层前馈神经网络。一般是由卷积层，池化层，全连接层交叉堆叠而成，使用反向传播算法进行训练。卷积神经网络具有一定程度上的平移，缩放和旋转不变性，较前馈神经网络而言，其参数更少。

使用PyTorch AlexNet预训练模型对新数据集进行训练及预测在 https://blog.csdn.net/fengbingchun/article/details/112709281 中介绍了AlexNet网络，这里使用PyTorch中提供的AlexNet预训练模型对新数据集进行训练，然后使用生成的模型进行预测。主要包括三部分：新数据集自动拆分、训练、预测

1.8.1 卷积神经网络近年来在结构设计上的主要发展和变迁——AlexNet(从AlexNet到ResNet系列)AlexNet首次亮相是在2012年的ILSVRC大规模视觉识别竞赛上，它将图像分类任务的Top-5错误率降低到15.3%，大幅领先于其他传统方法。AlexNet是首个实用性很强的卷积神经网络(在此之前的LeNet-5网络一般用于手写字符识别)，其主要网络结构是堆砌的卷积层和池化层，最后在网络末端加上全连接层和Softmax层以处理多分类任务。在具体实现中，AlexNet还做了一些细节上的改进。

AlexNet目录一、AlexNet介绍1、历史背景2、AlexNet与LeNet模型对比3、总结二、代码实现1、设计逻辑

幻风_huanfeng

每天五分钟计算机视觉：网络中的网络(NiN)前面的课程中我们学习了众多的经典网络模型，比如LeNet、AlexNet、VGG等等，这些网络模型都有共同的特点。

幻风_huanfeng

每天五分钟计算机视觉：ImageNet大赛的世界冠军AlexNet模型2012 Imagenet 比赛第一，Top5准确度超出第二10% ，它让人们认识到了深度学习技术的威力。比 LeNet更深，用多层小卷积层叠加替换大卷积层，就是说每一个卷积层的通道数小，不像LeNet一样每个卷积层的通道数很大。

会害羞的杨卓越

现代卷积网络实战系列3：PyTorch从零构建AlexNet训练MNIST数据集AlexNet提出了一下5点改进：AlexNet( (feature): Sequential( (0): Conv2d(1, 32, kernel_size=(5, 5), stride=(1, 1), padding=(1, 1)) (1): ReLU(inplace=True) (2): Conv2d(32, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1)) (3): ReLU(inplace=True) (4): M