AlexNet学习记录-前言

参考文献

参考文献:ImageNet Classification with Deep Convolutional Neural Network
作者:Alex Krizhevsky

  • 文献名中的Deep,是相对于当时来讲比较深,但相比现在的网络已经是比较浅了。

前期知识储备

1. 机器学习

了解机器学习基本原理及概念,如数据集划分、损失函数、优化方法等

2. 神经网络

了解神经网络基本知识,特别是卷积神经网络的工作原理等

3. 图像分类

了解图像分类的概念,掌握图像分类的流程

4. PyTorch

了解PyTorch基本使用方法,如数据读取处理,模型构建,损失优化等

论文总览

摘要Abstract:介绍背景及提出AlexNet模型,获得ILSVRC-2012冠军

  1. Introduction:研究的成功得益于大量数据及高性能GPU;介绍本论文主要贡献
  2. The Dataset:ILSVRC数据集简介;图片预处理细节
  3. The Architecture:AlexNet网络结构及其内部细节:ReLU、GPU、LRN、Overlapping Pooling
  4. Reducing Overfitting:防止过拟合技术,数据增强和dropout
  5. Details of learning:实验参数设置:超参调整,权重初始化
  6. Results:AlesNet比赛指标、成绩及其详细设置
  7. Qualitative Evaluations:实验探究,分析卷积核模式,模型输出合理性,高级特征的相似性
  8. Discussion:强调网络结构之间的强关联提出进一步研究方向

学习目标

1. 模型结构设计:ReLU、LRN、Overlapping Pooling、双GPU训练

2. 减轻过拟合:图像增强、Dropout

3. 卷积核可视化

4. ILSVRC

Part 1、论文导读+背景介绍

Part 2、论文总览+AlexNet结构

Part 3、训练技巧讲解

Part 4、可视化及实验分析

Part 5、论文总结

Part 6、代码实现分析

本图文内容来源于网友网络收集整理提供,作为学习参考使用,版权属于原作者。
THE END
分享
二维码
< <上一篇
下一篇>>