ImageNet Classification with Deep Convolutional Neural Networks

本文介绍了AlexNet,一种深度卷积神经网络,其在ImageNet分类任务中表现出色。通过使用ReLU非线性,局部响应归一化,多GPU训练以及数据增强和Dropout等技术,AlexNet有效地减少了过拟合并提高了泛化能力。

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

这篇文章提出了很多卷积神经网络的先驱——AlexNet。

和其他的很多前馈神经网络相比,由于CNN的卷积层不是全相联的,所以CNN的参数会少很多,而且训练起来会更加地容易。

作者在训练AlexNet的时候,为了加快速度,使用了两块GTX 580 3GB GPU,并且对网络的结构进行了一定的改造以更好地适应GPU的性质。

1 总体框架

AlexNet的网络基本结构为:输入层——5层卷积层——三层fully connected。

详细可见:https://github.com/BVLC/caffe/blob/master/models/bvlc_alexnet/deploy.prototxt

Layer Filter Size Stride Normalization Single GPU Dropout Activation Function
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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