AlexNet详解

AlexNet

论文《ImageNet Classification with Deep Convolutional Neural Networks》

1. 数据集

ImageNet包括1500万张高分辨率标记图片，标签类别大约有22000类。

ImageNet通过top-1 error和top-5 error 来评判模型好坏。其中top-1 表示测试图像的真实标签与模型预测标签不同，top-5表示测试图像的真实标签不在模型预测可能性最大的前5个预测标签中。

学习类似于ImageNet的大型数据集，要求模型有很强的学习能力。

2. 模型选择

为满足对模型学习能力的要求，文中采用卷积神经网络（Convolutional Neural Network，CNN）模型。

相比于标准的前馈神经网络（Feedforward Neural Network），CNN有如下优势：

1. CNN有更少的连接和参数，更容易训练，同时理论上CNN性能比FNN只差一点。
2. CNN的局部结构相对高效。
3. CNN可以使用GPU加速训练。

基于上述特点，文中使用了CNN模型。同时由于数据集的规模较大，所以模型不会出现严重的过拟合问题。

3. 模型结构及特点

3.1 模型结构

AlexNet包括5层卷积层（convolutional layer）和3层全连接层（fully connected layers）。

模型中的卷积层层数是通过实验得到的：

1. 去除任何一层卷积层都会导致模型性能的下降，且每层卷积层包含的参数不到模型总参数数量的1%。
2. 模型规模受限于硬件设备，主要是GPU的存储容量。
3. 模型规模受限于训练时间，需要使得训练时间在可接受的范围内。

由此可以看出，简单的使用更快的GPU和更大的数据集就可以提高模型的最终结果。

3.2 模型特点

3.2.1 ReLU激活函数（Rectified Linear Unit）

比起饱和的非线性激活函数（如tanh激活函数、sigmoid激活函数），非饱和线性激活函数（如ReLU激活函数）的训练时间更短。

3.2.2 多GPU训练

受限于GPU的存储容量，文中将模型分为两部分，分别在两个GPU上进行训练。具体来说，文中在每个GPU上放置一半的神经元，且GPU只在特定层进行通信，如Alex模型中第2层和第3层中两个GPU需要进行通信。

3.2.3 局部响应归一化LRN （Local Response Normalization）

xx,yi=ax,yi/(k+α∑j=max(0,i−n/2