《深度学习》AlexNet网络

学习目标：

• 知道AlexNet网络结构
• 能够利用AlexNet完成图像分类

2012年，AlexNet横空出世，该模型的名字源于论⽂第⼀作者的姓名AlexKrizhevsky 。AlexNet使⽤了8层卷积神经⽹络，以很⼤的优势赢得了
ImageNet 2012图像识别挑战赛。它⾸次证明了学习到的特征可以超越⼿⼯设计的特征，从⽽⼀举打破计算机视觉研究的⽅向。

1.AlexNet的网络架构

AlexNet与LeNet的设计理念⾮常相似，但也有显著的区别，其⽹络架构如下图所示：

该网络的特点是：

• AlexNet包含8层变换，有5层卷积和2层全连接隐藏层，以及1个全连接输出层（softmax）
• AlexNet第⼀层中的卷积核形状1111，第⼆层中的卷积核形状减⼩到55，之后全采⽤33。所有的池化层窗⼝⼤⼩为33、步幅为2的最⼤池化。
• AlexNet将sigmoid激活函数改成了ReLU激活函数，使计算更简单，⽹络更容易训练
• AlexNet通过dropOut来控制全连接层的模型复杂度。
• AlexNet引⼊了⼤量的图像增强，如翻转、裁剪和颜⾊变化，从⽽进⼀步扩⼤数据集来缓解过拟合。

在tf.keras中实现AlexNet模型：

import tensorflow as tf
# 搭建网络
net = tf.keras.Sequential(
    [
        # 第一个卷积层：卷积核个数是96，卷积核大小是11，步长是4
        tf.keras.layers.Conv2D(filters=96, kernel_size=11, strides=4, activation='relu'),
        # 池化，都是3*3，步