【分类网络】AlexNet

⭐ AlexNet

参考文献：《ImageNet Classification with Deep Convolutional Neural Networks（2012）》

AlexNet的出现标志着神经网络的复苏和深度学习的崛起。在ImageNet2012的图片分类任务上，AlexNet以15.3%的错误率登顶，而且以高出第二名十几个百分点的差距吊打所有其他参与者。原文主要结论是：模型的深度对于提高性能至关重要，AlexNet的计算成本很高，但因在训练过程中使用了图形处理器(GPU)而使得计算具有可行性。

---

✔️诞生背景

当前图像分类任务主要是通过传统机器学习方法进行的，模型容量小且不易于实际使用，容易过拟合；实际目标多样性丰富，标记好的数据集样本数越来越大，需要更高容量的模型进行学习；GPU等硬件以及高度优化的2D卷积运算发展成熟，可用于训练较大的CNN，结合如今的大数据集，不用过分担心过拟合。

✔️网络结构

AlexNet网络结构如上图所示，网络总共层数为8层，5层卷积，3层全连接层，其参数详细图如下图所示：