【深度学习论文】Alexnet 论文学习网络讲解

最新推荐文章于 2025-03-15 22:04:00 发布
最新推荐文章于 2025-03-15 22:04:00 发布
阅读量1.2k 收藏 3
点赞数
CC 4.0 BY-SA版权
分类专栏： 深度学习论文
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/hduxiejun/article/details/53929428
本文详细介绍了AlexNet网络架构，包括其八大模块的组成及功能。特别强调了卷积模块用于特征提取，全连接层用于分类。此外，还探讨了ReLU激活函数的优势、Dropout技术的应用及其对泛化能力的影响。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

Alexnet

1 网络架构

整个alexnet网络的架构如下图所示：
这里写图片描述
注意：输入层的大小其实是227*227

8大模块

整个网络可以分成8个大模块，其中前5模块四卷积模块，用于提取图片特征，后3个模块是全链接层，用于图像分类！
这里写图片描述

前2个模块

这里写图片描述

34模块

这里写图片描述

5模块

这里写图片描述

6模块

这里写图片描述

78模块

这里写图片描述

2 激活函数

Hinton提出使用Relu激活函数效果更好！
这里写图片描述

从ReLU提出之后相继又出现很多新的激活函数，如PReLU,Leaky-ReLY,Maxout等。

3 Dropout

这里写图片描述

可以利用78模块集成学习的思想来理解Dropout，全连接中训练多个若分类器，在识别阶段在来构成一个强分类器。Dropout比Without Dropout在训练阶段的准确率要低，但测试阶段的准确率要高，范化能力更强。可以利用集成学习的思想来理解Dropout技术。

4 多GPU通信

这里写图片描述

5 LRN

这里写图片描述

6 网络细节和特点

这里写图片描述

上图右侧是论文中比较创新的地方，可以看出Alexnet是人工智能第三次爆发的开山之作！

1.标准梯度下降法

标准梯度下降先计算所有样本汇总误差，然后根据误差来更新权值

2.随机梯度下降法

随机梯度下降法随机抽取一个样本来计算误差，然后更新权值。比较容易陷入局部最优解。

3.批量梯度下降法

批量梯度下降算法是一种折中的方案，从总样本中选取一个批次（比如一共有10000个样本，随机选取100个样本作为一个batch），然后再计算这个batch的总误差，根据总误差来更新权值。

参考文献：
[alexnet]:ImageNet Classification with Deep Convolutional Neural Networks

深度学习知识点全面总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
01-05 33万+
本文详细介绍深度学习概念及原理，参考网上相关资料汇总，内容包含众多章节，包括神经网络基础及常见深度学习网络结构介绍，用于个人学习总结，适合深度学习初学者学习。同时介绍机器学习常见的分类算法：SVM、神经网络、随机森林、逻辑回归、KNN、贝叶斯。常见的监督学习算法：感知机、SVM、人工神经网络、决策树、逻辑回归.........
(二)深度学习系列之AlexNet网络介绍以及pytorch代码实现花分类
2301_76382363的博客
03-01 288
010年AlexNet在ImageNet大赛上以远超第二名的成绩获得冠军，该文章的一些思想依然延用到现在。
对AlexNet的论文解读
12-28
我自己写的对AlexNet的论文解读的pdf版本。对应自己的相应博客
AlexNet论文解析—ImageNet Classification with Deep Convolutional Neural Networks
xiaoxu的博客
05-26 2056
摘要进行解读1.在ILSVRC-2010的120万张图片上训练深度卷积神经网络，获得最优结果，top-1和top-5error分别为37.5%，17%2.该网络（AlexNet）由5个卷积层和3个全连接层构成，共计6000万参数，65万个神经元3.为加快训练，采用非饱和激活函数一一ReLU，采用GPU训练4.为减轻过拟合，采用Dropout5.基于以上模型及技巧，在ILSVRC-2012以超出第二名10.9个百分点成绩夺冠。快速的泛读论文，确定文章的小标题结构TheDataset。
经典神经网络——AlexNet模型论文详解及代码复现
YuZhou的博客
11-27 1685
Alexnet共有8层结构，前5层为卷积层，后三层为全连接层。
一、AlexNet网络论文总结
weixin_40620310的博客
08-23 800
一、AlexNet网络 资料推荐 PyTorch： 官方文档：https://pytorch.org/docs/stable/index.html PyTorch模型训练实用教程：https://github.com/TingsongYu/PyTorch_Tutorial 代码： paper with code：https://paperswithcode.com SOTA代码：https://www.jiqizhixin.com/sota OpenCV： 文档：https://docs.opencv.or
【论文阅读】AlexNet网络结构及其代码复现
想当咸鱼的猫
04-17 2195
AlexNet网络 1. AlexNet论文解析 1.1 Abstract 此神经网络由5个卷积层（其中一些是最大池化层）和3个全连接层组成。为了减少全连接层中的过拟合，采用了dropout方法，此方法在实验中被证明非常有效。在ILSVRC-2012比赛中，top-5 test error rate : 15.3% <第二名 26.2%>。 1.2 Details of learning 1. 数据增强 从256*256的图像随机提取224*224的图像，并进行水平翻转，这使得了训练数据增加的
深度学习论文解读
06-29
本课程主要以时间线为基础，详细讲解深度学习领域最重要的一些论文，例如： ReLU，Dropout，AlexNet，VGGNet，Batch Normalization，ResNet，Inception系列，ResNeXt，SENet，GPT-3等
AlexNet论文讲解（添加了相关知识内容便于理解）
北离的深度学习物语
11-24 1563
深度学习走过的一些路，希望可以给大家一些帮助。本文将从论文开始讲述AlexNet的结构 这篇论文是大神Alex Krizhevsky, Ilya Sutskever, Geoffrey E. Hinton三人提出的AlexNet深度卷积神经网络，摘得了2010年ILSVRC比赛的桂冠。AlexNet在现在也经常会用到，可以说是很经典的一个CNN框架了。出于学习的目的，一方面可以做笔记，一方面也可以督促自己的学习，我才打算写下这篇文章。其中由于各类翻译软件错误翻译造成的难以理解，本文以尽可能修正
深度学习经典论文7篇
10-31
以下将详细讲解七篇深度学习的经典论文，这些论文对整个领域的发展起到了至关重要的推动作用。 1. **LeNet**：《Gradient-Based Learning Applied to Document Recognition》（1998年，Yann LeCun等） - 这是深度...
经典网络-AlexNet论文及实践
uncle_ll的博客
03-14 2332
2012-AlexNet 论文地址： https://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf 项目地址：https://github.com/deep-diver/AlexNet 摘要 我们训练了一个大型的深度卷积神经网络，将ImageNetLSVRC-2010比赛中的120万张高分辨率图像分类为1000个不同的类别。在测试数据上，获得了top-1和top-
论文解析AletNet网络
Maple__Boy
10-31 1141
AlexNet 论文：《ImageNet Classification with Deep Convolutional Neural Networks》 第一个典型的CNN是LeNet5网络结构，但是第一个引起大家注意的网络却是AlexNet，也就是文章《ImageNet Classification with Deep Convolutional Neural Networks》介绍的网络结构。这篇文章的网络是在2012年的ImageNet竞赛中取得冠军的一个模型整理后发表的文章。作者是多伦多大学的Ale
AlexNet论文阅读
mathor的博客
09-28 1135
论文下载 这篇论文的背景作者在参加2010年的ILSVRC比赛，取得了冠军 摘要主要介绍了其神经网络的结构——5个卷积层（每个卷积层(convolutional layersconvolutional\ layersconvolutional layers)后面都跟有池化层(max−pooling layersmax-pooling\ layersmax−pooli...
AlexNet论文总结
SnailTyan
08-07 2957
AlexNet论文总结
【论文阅读】AlexNet——深度学习奠基作之一
最新发布
山可行,海可平
03-15 1322
李沐课程 AlexNet论文精读笔记
【深度解读】Alexnet论文
月下花弄影
01-06 1131
本文作为深度学习的突破性文章，将卷积神经网络用在图片的分类上，极大的提高了分类的准确率。 背景和基础知识 首先，本文先说一下本文的背景知识和一些基本概念。 我们说机器视觉领域主要针对图像和视频，以他们为处理对象，这和其他应用比较起来，一个很大的区别就是图片和视频的输入量是很多，复杂度也就高的多。 机器学习中想要提高性能的三大方法： 得到大的训练数据 更好的模型（本文主要针对的问题，但是其他两个方...
论文笔记：AlexNet模型
Meringue's Blog
03-31 3155
基于LeNet模型简单介绍了ConNet的基本构成（卷积层、池化层、全连接层等），该模型对手写数字的识别具有较高的准确率，但对于大规模的图像分类还远远不够。而本文即将介绍的AlexNet模型,，由Alex Krizhevsky等人设计，在ILSVRC-2012中以15.3%的top-5错误率获得第一名，比第二名的错误率要低10.9%。
Alex Net 论文学习笔记（含代码）
RuixuanZhang的博客
02-27 3542
文章目录ImageNet Classification with Deep Convolutional Neural Network历史意义AbstractIntroduction and datasetAlexNet's struction结构特点训练技巧Summary ImageNet Classification with Deep Convolutional Neural Network 历史意义 1、拉开卷积神经网络统治计算机视觉的序幕 2、加速计算机视觉应用落地 Abstract 1、比赛数据集
AlexNet论文解读以Pytorch实现（含论文训练细节）
hjkdh的博客
05-04 3384
alexnet论文详解，卷积核，特征图可视化，pyqt5可视化界面，如何调用，更改预训练模
深度学习重要论文解读课程
资源摘要信息: "深度学习论文解读"是一门以时间为线索，对深度学习领域经典论文进行详细讲解的课程。这些论文涵盖了深度学习从发展初期到现在的一些重要里程碑，包括但不限于ReLU激活函数、Dropout正则化技术、...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值