AlexNet MNIST Pytorch

最新推荐文章于 2025-03-28 09:30:00 发布

xuan_liu123

最新推荐文章于 2025-03-28 09:30:00 发布

阅读量7.7k

点赞数 11

分类专栏： ML＆DL 文章标签： Pytorch AlexNet

本文链接：https://blog.youkuaiyun.com/xuan_liu123/article/details/89105997

版权

本文档介绍了AlexNet网络的基本结构，包括其在ILSVRC 2012比赛中的重要地位，以及它如何通过ReLU激活函数、随机失活和数据扩充技术提升性能。接着，讨论了MNIST数据集的详细信息，最后展示了如何在Pytorch中实现AlexNet并应用于MNIST数据集进行训练，得到训练结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

AlexNet Pytorch实现，在MNIST上测试

AlexNet简介

ILSVRC 2012的冠军网络,60M参数。网络基本架构为：conv1 (96) -> pool1 -> conv2 (256) -> pool2 -> conv3 (384) -> conv4 (384) -> conv5 (256) -> pool5 -> fc6 (4096) -> fc7 (4096) -> fc8 (1000) -> softmax。AlexNet有着和LeNet-5相似网络结构，但更深、有更多参数。conv1使用11×11的滤波器、步长为4使空间大小迅速减小(227×227 -> 55×55)。
AlexNet的关键点是：(1). 使用了ReLU激活函数，使之有更好的梯度特性、训练更快。(2). 使用了随机失活(dropout)。(3). 大量使用数据扩充技术。AlexNet的意义在于它以高出第二名10%的性能取得了当年ILSVRC竞赛的冠军，这使人们意识到卷积神经网络的优势。此外，AlexNet也使人们意识到可以利用GPU加速卷积神经网络训练。AlexNet取名源自其作者名Alex。

AlexNet

MNIST

MNIST 60k训练图像、10k测试图像、10个类别、图像大小1×28×28、内容是0-9手写数字。
MNIST

Pytorch实现

用Pytorch实现AlexNet，并且在MNIST数据集上完成测试。
代码如下：

#AlexNet & MNIST


import torch
import torchvision
import torch.nn as nn
import torch.optim as optim
import torchvision.transforms as transforms
import t