[置顶] 【深度学习 CNN】卷积神经网络模型--AlexNet（CNN )

AlexNet模型算法步骤：

AlexNet的整个网络结构由8层神经元组成，其中前5层为卷积层，用于提取图像特征。

后3层为全连接层，用于图像分类。具体如下：

1、输入图片是224*224 像素的3通道照片

2、第一层使用11*11的卷积核，滑动步长为4个像素，输出96个特征图，并进行最大池化；

3、第二层使用5*5卷积核，卷积产生256个特征图，并进行最大池化。

4、第三层使用3*3卷积核，输出384个特征图。

5、第四层使用3*3卷积核，输出384个特征图。

6、第五层使用3*3卷积核，输出256个特征图，并进行池化。

7、第六层，第七层 、第八层为全连接层，分别包含4096，4096,1000个隐层，也就是说，到全连接层只剩下1000个特征值；

8、最终，第八层为softmax层，得到最终分类结果。

在 AlexNet中，ReLu和dropout也起到了非常重要的作用。使用ReLU可以大大加快收敛速度，比tanh快6倍，而dropout达到了防止模型过拟合的效果，增强了模型的泛化能力。