什么是AlexNet?

AlexNet主要用于图像分类,包含了几个比较新的技术点，也首次在CNN中成功应用了ReLU、Dropout等。同时AlexNet也使用了GPU进行运算加速。

AlexNet将LeNet的思想发扬光大，把CNN的基本原理应用到了很深很宽的网络中。注意：本篇内容图片较多，流量观看需谨慎！

先看一下AlexNet论文的摘要，如下图:

上图中标出来很重要的Relu非饱和神经元，来仔细看看：

非线性单元Relu的优点：

将优点展开讨论：

上图中提到了sigmoid激活函数，那也稍微介绍下权当复习知识点：

Relu介绍就到此，来看另外一个重要的知识点，Dropout。

介绍完AlexNet的两个重要的概念后，我们来熟悉训练流程图：

区分两个常用的损失函数：

本例子中采用softmax损失函数：

模型训练完以后我们可以检验一个模型的好坏，这里给出两种方法：

OK，感谢您还能看到这里，我们的前置知识点到此科普完毕，下面开始正式的AlexNet模型结构的学习：

训练数据：

设置超参数：

几个基本概念：

AlexNet的优点：

总结AlexNet的学习内容：