AlexNet論文總結與代碼實現

AlexNet包含6千萬個參數和65萬個神經元，包含了5個卷積層，其中有幾層後面跟着最大池化（max-pooling）層，以及3個全連接層，最後還有一個1000路的softmax層。爲了加快訓練速度，AlexNet使用了Relu非線性激活函數以及一種高效的基於GPU的卷積運算方法。爲了減少全連接層的過擬合，AlexNet採用了最新的正則化方法「dropout」，該方法被證明非常有效。 總結一下Al

>>阅读原文<<