神经网络之AlexNet模型的实现（Python+TensorFlow）

最新推荐文章于 2024-12-31 19:18:51 发布

原创

最新推荐文章于 2024-12-31 19:18:51 发布 · 4.2k 阅读

15 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #AlexNet #神经网络 #深度学习

本文详细介绍了如何使用Python编程语言结合TensorFlow库实现AlexNet这一经典的深度学习模型。通过实例，深入探讨了AlexNet的网络结构及其在图像识别任务中的应用。

# -*- coding:utf-8 -*-
#
# AlexNet model

import tensorflow as tf
import numpy as np

FLAGS = tf.app.flags.FLAGS
tf.app.flags.DEFINE_integer('num_class', 10, "number of classes.")

#显示网络每一层结构的函数
def print_layer(t):
  print(t.op.name, ' ', t.get_shape().as_list())

def alexnet(images):
    # conv1
    with tf.name_scope('conv1') as scope:
        kernel = tf.Variable(tf.truncated_normal([11,11,3,64], stddev=0.1), name='weights')
        biases = tf.Variable(tf.constant(0.0, shape=[64], trainable=True, name='biases')
        conv_plus_b = tf.nn.bias_add(tf.nn.conv2d(images, kernel, [1,4,4,1], padding='SAME'), biases)
        conv1 = tf.nn.relu(conv_plus_b, name=scope)
        print_layer(conv1)

    # LRN层, pool层
    lrn1 = tf.nn.lrn(conv1, 4, bias=1.0, alpha=0.001/9, beta=0.75, name='lrn1')
    pool1 = tf.nn.max_pool(lrn1, ksize=[1,3,3,1], str