TF12——AlexNet

经典卷积网络

AlexNet网络诞生于2012年，当年ImageNet竞赛的冠军，Top5错误率为16.4%,AlexNet使用relu激活函数提升了训练速度，使用了Dropout缓解了过拟合，

AlexNet一共有8层网络

• 第一层是96个3*3的卷积核，卷积步长是1，不使用全零填充，原论文中使用局部响应标准化LRN，由于LRN近些年使用的很少，它的功能与批标准化BN相似，所以课程选择了当前主流的BN操作实现特征标准化，使用relu激活函数，用3*3的池化核，步长为2，进行最大池化，不使用Dropout层
• 第二层是256个3*3的卷积核，卷积步长是1，不使用全零填充，使用BN操作实现特征标准化，使用relu激活函数，用3*3的池化核，步长为2，进行最大池化，不使用Dropout层
• 第三层是384个3*3的卷积核，卷积步长是1，不使用全零填充，不使用BN操作，使用relu激活函数，不使用池化，不使用Dropout层
• 第四层和第三层操作一样
• 第五层是256个3*3的卷积核，卷积步长是1，使用全零填充，不使用BN操作，使用relu激活函数，使用3*3池化核池化，步长是2，进行最大池化，不使用Dropout
• 第六七八层是全连接层，六七层使用2048个神经元，relu激活函数，50%Dropout
• 第八层使用10个神经元，使用softmax使输出符合概率分布

将AlexNet网络结构用框图表示，使用CBAPD八股写出网络配置，对着CBAPD写出的代码如下