alexnet网络构型
时间: 2023-07-23 12:46:50 浏览: 54
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。