alexnet网络构型

AlexNet 是一个深度卷积神经网络，由 Alex Krizhevsky 等人于 2012 年提出，是 ImageNet 图像分类比赛中的冠军。它包含 8 层神经网络，其中前 5 层为卷积层，后面 3 层为全连接层。其网络构型如下：

1. 输入层：输入图像大小为 227 × 227 × 3。

2. 卷积层 1：96 个 11 × 11 × 3 的卷积核，步长为 4，使用 ReLU 激活函数。

3. 池化层 1：使用 3 × 3 的最大池化，步长为 2。

4. 卷积层 2：256 个 5 × 5 × 48 的卷积核，步长为 1，使用 ReLU 激活函数。

5. 池化层 2：使用 3 × 3 的最大池化，步长为 2。

6. 卷积层 3：384 个 3 × 3 × 256 的卷积核，步长为 1，使用 ReLU 激活函数。

7. 卷积层 4：384 个 3 × 3 × 192 的卷积核，步长为 1，使用 ReLU 激活函数。

8. 卷积层 5：256 个 3 × 3 × 192 的卷积核，步长为 1，使用 ReLU 激活函数。

9. 池化层 3：使用 3 × 3 的最大池化，步长为 2。

10. 全连接层 1：4096 个神经元，使用 ReLU 激活函数。

11. Dropout 1：对全连接层 1 进行 0.5 的 dropout。

12. 全连接层 2：4096 个神经元，使用 ReLU 激活函数。

13. Dropout 2：对全连接层 2 进行 0.5 的 dropout。

14. 输出层：1000 个神经元，使用 softmax 函数进行分类。

其中，池化层和全连接层之后都加入了 Dropout 层，用于避免过拟合。