AlexNet论文总结与代码实现

AlexNet包含6千万个参数和65万个神经元，包含了5个卷积层，其中有几层后面跟着最大池化（max-pooling）层，以及3个全连接层，最后还有一个1000路的softmax层。为了加快训练速度，AlexNet使用了Relu非线性激活函数以及一种高效的基于GPU的卷积运算方法。为了减少全连接层的过拟合，AlexNet采用了最新的正则化方法“dropout”，该方法被证明非常有效。 总结一下Al

>>阅读原文<<