AlexNet 网络结构
第一个模块 conv_1：
输入的图片大小为224x224x3
有96个卷积核,尺寸为11x11,即11x11x96。步长（stride）为4.
第二个模块 conv_2:
输入的tensor为27x27x96
卷积核的大小为: 5x5x256,步长为1,因此，步长为1时，feature map为27x27x256.
同样紧跟ReLU,和LRN层.尺寸不变
最大池化层,核大小为3x3,步长为2
第三个模块 conv_3:
输入tensor为13x13x256
卷积核 3x3x384,步长为1,feature map为:13x13x384
加上ReLU，尺寸不变
无最大池化层
第四个模块 conv_4:
配置和conv_3一样，因此feature map为:13x13x384
第五个模块 conv_5:
输入tensor为13x13x384
卷积核 3x3x256,步长为1,feature map为:13x13x256
加上ReLU，尺寸不变
最大池化层，核大小3x3, 步长为2, 因此feature map:6x6x256
第六个模块 fc_1:
卷积核6x6x256x4096，输出为一维向量，4096个元素。
加上ReLU，尺寸不变
第七个模块 fc_2:
输出为一维向量，4096个元素。
加上ReLU，尺寸不变
第8个模块 fc_3:
输出为一维向量，1000个元素。最后一层用了softmax，输出为1000个种类的各类概率值.