神经网络-AlexNet

AlexNet 网络结构

upload successful

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.