alexnet和vgg网络的一些个人看法

从2012年之后，alexnet网络的横空出世，带来了深度学习的春天，深度学习在图像，语音等领域大放异彩，几乎碾压其它传统机器学习算法，之后的vgg网络更是被用于计算机视觉的各个任务中，比如本人研究的reid方向，很多方法都是基于vgg网络来设计算法，下面就简单介绍一下这两个网络的优秀之处。

1，alexnet

lenet是最早用于数字识别的cnn网络，alexnet也主要是对于此网络的改进，下面直接看pytorch对于这2个网络的代码实现：

1.1 lenet

class LeNet5(nn.Module):
    def __init__(self):
        super().__init__()
        #定义卷积层，1个输入通道，6个输出通道，5*5的卷积filter，外层补上了两圈0,因为输入的是32*32
        self.conv1 = nn.Conv2d(1, 6, 5, padding=2)
        #第二个卷积层，6个输入，16个输出，5*5的卷积filter 
        self.conv2 = nn.Conv2d(6, 16, 5)

        #最后是三个全连接层
        self.fc1 = nn.Linear(16*5*5, 120)
        self.fc2 = nn.Linear(120, 84)