经典模型梳理：AlexNet

最新推荐文章于 2025-06-03 21:59:32 发布
最新推荐文章于 2025-06-03 21:59:32 发布
阅读量879 收藏 1
点赞数 2
CC 4.0 BY-SA版权
分类专栏： 经典CNN模型梳理
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/u013982164/article/details/83448504
本文主要梳理AlexNet网络结构，包括ReLU激活函数的优势，以及如何解决梯度消失问题。此外，讨论了在GPU上训练、局部响应归一化、重叠池化和防止过拟合的策略，如数据增强和Dropout。AlexNet的成功在于这些创新的结合。

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

关于 Alex 的传说……大家随便听个报告都会讲到，这里就不说了。本文主要目的是为自己梳理知识，以便日后复习。

  • 网络结构
  • ReLU
  • Dropout
AlexNet

ImageNet Classification with Deep Convolutional Neural Networks
http://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-network

前5层是卷积层，后3层是全连接层，
每层卷积层后接RuLU激活
前两层和最后一层卷积后有池化，具体如下图。

AlexNet
ReLU Nonlinearity
activation function

激活函数是从 Sigmoid 到 tanh 到 ReLU 的，最初用 Sigmoid 存在三个问题

  • Saturated neurons “kill” the gradients.

    • 当输入 x=0 时，梯度为0.25，当网络层数浅是是OK的，但数值计算中学过当极端情况下，多个小数相乘会等于0，深层网络也
最低0.47元/天 解锁文章

200万优质内容无限畅学
AlexNet 模型
07-21 1866
import torch import torch.nn as nn import torchvision import numpy as np import random import torch import torchvision m=torchvision.models.alexnet(pretrained=True) print(m) class AlexNet(nn.Module): def __init__(self): super(AlexNet,s.
大话CNN经典模型：AlexNet
热门推荐
雪饼的博客
03-12 1万+
—— 原文发布于本人的微信公众号“大数据与人工智能Lab”（BigdataAILab），欢迎关注。 2012年，Alex Krizhevsky、Ilya Sutskever在多伦多大学Geoff Hinton的实验室设计出了一个深层的卷积神经网络AlexNet，夺得了2012年ImageNet LSVRC的冠军，且准确率远超第二名（top5错误率为15.3%，第二名为26.2%），引起了很大的轰动...
【Pytorch学习笔记】模型模块08——AlexNet模型详解
最新发布
qq_50040241的博客
06-03 1893
数据预处理])# 加载数据集# 初始化模型model = AlexNet(num_classes=10) # 修改为CIFAR-10的10分类# 损失函数和优化器# 训练循环。
AlexNet网络模型
weixin_44578481的博客
07-27 732
模型测试的时候，要加载模型测试的函数呢，否则，不会报错，但没有结果显示，记住哦，测试的时候。每一张的识别的类别情况，就需要注释掉加载模型测试的函数，把模型推理的部分拿出来。需要进行模型推理，需要注意的是，这一部分需要注释掉加载模型测试的函数。train.py需要改的，导入模型，输入尺寸，数据处理部分，模型实例化。记住现在的参数总量，下一篇文章，有一个奇怪的问题，不知道是什么原因？上面没有报错情况下，便会得到网络的各层的情况，及参数的总数。模型推理，单张分类的时候，就不需要加载模型测试的函数哦。
深度学习---AlexNet模型
qq_24503095的博客
12-23 831
2012年AlexNet横空出世，该模型使用了8层卷积神经网络，并以很大优势赢得了ImageNet2012图形识别挑战赛。首次证明了学习到的特征可以超越手工设计的特征。 与相对较小的LeNet相比，AlexNet包含8层交换，其中有5层卷积和2层全连接隐藏层，以及1个全连接输出层。 第一层中的卷积窗口形状是11x11。因为ImageNet中绝大多数图像的高和宽均比MNIST图像的高和宽大1...
Alex net训练模型
m0_50903443的博客
11-25 447
import os import numpy as np import torch import torch.nn as nn import torch.optim as optim import torchvision.models as models import torchvision.transforms as transforms from matplotlib import pyplot as plt from torch.utils.data import DataLoader # from
深度学习与计算机视觉：深度卷积神经网络基础原理、经典模型及应用实践教学课件
05-30
经典模型解析：详细剖析 LeNet、AlexNet、VGGNet、NiN、GoogLeNet、ResNet 等主流模型的架构创新（如残差连接、Inception 模块、全局均值池化等），对比各模型在 ILSVRC 竞赛中的性能表现。​ 技术原理：深入讲解...
2023年人工智能产业全梳理：大模型驱动的变革与应用
在1956年提出人工智能概念后，第一次爆发发生在2012年，随着AlexNet模型的出现，卷积神经网络（CNN）在图像识别领域取得了突破，使得机器识别图像的准确率在2015年首次超越人类。然而，这一时期的人工智能1.0阶段...
Deep Learning_预训练CNN图片分类模型（AlexNet、VGG、GoogLeNet、Resnet.....）
夏大兔的学习笔记
08-22 9074
这段时间在做一个人脸验证的大作业，接触到了一些预训练模型（AlexNet、VGG、GoogLeNet、Resnet…..），今天看到了一个关于这些模型的比较好的回答，记录下来方面日后翻阅。作者：周博磊 链接：https://www.zhihu.com/question/43370067/answer/128881262 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明
深入理解卷积神经网络：从LeNet到AlexNet的经典架构
标题“卷积神经网络学习...通过学习LeNet和AlexNet这两个经典的CNN结构，理解卷积层、池化层、激活函数等基础组件的工作原理，以及掌握卷积神经网络设计与训练的相关公式和理论，是走向深入理解CNN不可或缺的重要步骤。
深度学习经典模型之Alexnet
weixin_43775295的博客
11-05 1473
​ AlexNet是由AlexAlexAlex提出的首个应用于图像分类的深层卷积神经网络，该网络在2012年ILSVRCImageNetLargeScaleVisualRecognitionCompetition）图像分类竞赛中以15.3。
AlexNet_alexnet_Alexnet网络模型_
09-30
alexnet模型搭建，供初学者参考，本人小白，望有错指正
bvlc_alexnet
05-07
bvlc_alexnet.caffemodel source: http://dl.caffe.berkeleyvision.org/
AlexNet模型实现（1. C++宏定义头文件）
aitazhixin的专栏
06-16 2068
AlexNet架构参数宏定义
逻辑回归模型梳理
weixin_44769201的博客
05-15 755
1、逻辑回归与线性回归的联系与区别 2、 逻辑回归的原理 3、逻辑回归损失函数推导及优化 4、 正则化与模型评估指标 5、逻辑回归的优缺点 6、样本不均衡问题解决办法 sklearn参数 逻辑回归的原理 逻辑回归由于历史原因称作“回归”，但它其实主要用于解决分类问题。逻辑回归有“二分类”问题和“多分类”问题之分，以下以“二分类”问题为例说明逻辑回归的原理。 在“二分类”问题中，y通常只有两个取值：...
AlexNe模型搭建
qq_36448865的博客
04-20 501
在AlexNet实现过程： 1、model模块 2、Train模块 3、Predict模块 目录 一、 init定义函数 二、 正向传播forward的函数 三、 初始化权重 四、 数据的准备 五、 为训练做准备 六、 训练 【我们需要的模型架构】 在模型的构造中，至少会用到初始化定义init函数与正向传播forward的函数。 在初始化函数中定义了正向传播中需要用到的各个子模块。其中包含了卷积层、池化层、激活层。Alexnet Model模块基本构成是由五个卷积层。三个全连接层。在第一、二、五
Alexnet介绍
Sea__c的博客
10-23 6434
AlexNet是一种深度卷积神经网络，由Alex Krizhevsky、Ilya Sutskever和Geoffrey Hinton在2012年提出。它被广泛应用于计算机视觉领域的图像分类任务, 它是第一个在ImageNet大规模图像识别挑战赛上取得显著成功的深度学习模型。
【图像分类】卷积神经网络之AlexNet网络模型结构详解
学无止境、积少成多、厚积薄发
02-23 1908
卷积神经网络之AlexNet网络模型结构详解
CNN深度神经网络之AlexNet模型
canisn的博客
05-31 2129
前言 Alex在2012年提出的alexnet网络结构模型引爆了神经网络的应用热潮，并赢得了2012届图像识别大赛的冠军，使得CNN成为在图像分类上的核心算法模型。 由于这时候的GPU性能还不足，Alex采用两块GPU同时训练模型，模型被分成了两路，但是现在的GPU性能已经完全可以容得下整个网络的训练，因此在网络分离这部分可以忽略。 整个网络共有8层，前5个为卷积层，后三层是全连接层。 ...
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