动手学深度学习 | 深度卷积神经网络AlexNet | 22
AlexNet
AlexNet从2012年开始到今天，真正的引爆了深度学习的热潮。
2000年之前，最火的机器学习方法应该是核方法。
特征提取 & 选择核函数来计算相关性 & 凸优化问题 & 漂亮的定理。
使用核方法，可以变换这个空间，将这个空间拉成我们想要的样子，通过核函数计算之后就会成为一个凸优化问题。因为是凸优化，所以有比较好的数学定理。核方法最大的特色就是有一套完整的数学定理，这也是最优美的地方。
当然现在SVM还是被很广泛使用，因为它不需要调参（应该说SVM对调参不那么敏感），通常大家闭着眼睛用SVM一点问题也没有。
10年前，机器学习最重要的步骤是特征工程，也就是如何进行特征的抽取。
在深度学习之前，大家不会太关心使用的机器学习是什么（基本默认是SVM），大家关心的都是如何进行特征的抽取。
看对比，数据的增长大概是1000倍，计算的增长是10000倍，也就是其实现在计算的增长速度是大于数据的增长速度的。
不同的数据大小，计算能力也对应不同机器学习方法的发展。
数据是一个非常重要的事情，这次深度学习能够起来，首先数据起到非常重要的作用。
因为有足够的大的数据集，所以允许更深的神经网络来进行特征的抽取。
AlexNet本质就是一个更深更大的LeNet，它和LeNet没有本质的差别。
主要改进：dropout & ReLU & MaxPooling
MaxPooling 让输出更大，也就是让梯度更大，更加好的进行训练。
dropout控制了模型的大小。
ReLU是更好的，计算的更快的激活函数。
要清楚，传统的机器学习，对数学的要求，特征提取（要求对计算机视觉、时序数据）都有一个比较深的理解，而深度学习只要能够搭建模型即可。
深度学习可以看作是一个端到端的输出，也就是原始的数据输入到最终的答案输出，其实中间可以看作是一个黑盒。
AlexNet其实就是一个更深、更大的LeNet。
AlexNet的stride=4，其实也是受限于当时的GPU计算性能，当初的GPU显存也只有2G，计算能力也没有现在那么好。
AlexNet的输出通道相对于LeNet的输出通道更多，也就意味着识别了更多的模式。
这里非常重要的是进行了数据增强，就是它觉得1,2M张图片还不够多，对图片进行随机截取，亮度的调节，调节图片的色温等。
卷积网络对图片比较敏感，那么如何让卷积网络不敏感呢？那么就是给网络输入很多“奇奇怪怪”的图片，就是在训练的时候模拟这种可能出现的各种变化。神经网络最擅长的就是“记住”数据，那么给同一张图片的不同形式，其实是可以降低网络对这张图片的“记忆能力”的。
后面会有一次课专门讲解数据增强，因为这在计算机视觉实在是太重要了。
这里是AlexNet和LeNet的复杂度对比。
代码
QA
- 如何估算网络说需要的训练时间？
如果是CV的话，可以使用网络先在一个小的数据集上跑，然后等比例进行换算，大概就是估算出一个训练时间。
- 在其他学习资料中，讲到AlexNet会提及Local Response Normalization，但没太看懂。
LRN其实后面证明是没有什么作用的。
基本上整个神经网络，大家就是去看谁有用，谁没用。发现者一开始可能没有多想，可能觉得好用就这样了，后面的人会去看每个东西到底有没有用，这是这也是 AB Test（消融实验）。
- 为什么AlexNet最后要有两个相同的全连接层Dense4096，一个行吗？
一个还真不行，沐神说他之前试过，一个效果会差，两个4096的全连接是非常厉害的一个模型。
可以理解为全面的卷积特征抽取的不够好，不够深，所以后面需要两个大的dense来补。
- 没太明白为什么LeNet不属于深度卷积神经网络？
这是一个很意思的问题，那帮搞深度学习的人，其实最厉害的不是调参，而是包装。
其实15年之前基本认为是没有新东西的，只是把原来的这些东西做深，换新名字。
- 网络要求输入的size是固定的，实际使用的时候图片不一定是要求的size，如果强行resize层网络要求的size， 会不会最后的效果要差？
其实resize也是会保证高宽比的，所以其实效果不会那么变差，不用太担心这个问题。
