AlexNet学习记录-前言
AlexNet
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
- 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
- The Dataset:ILSVRC数据集简介;图片预处理细节
- The Architecture:AlexNet网络结构及其内部细节:ReLU、GPU、LRN、Overlapping Pooling
- Reducing Overfitting:防止过拟合技术,数据增强和dropout
- Details of learning:实验参数设置:超参调整,权重初始化
- Results:AlesNet比赛指标、成绩及其详细设置
- 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
- 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
二维码