3.1 AlexNet网络结构详解与花分类数据集下载

1、AlexNet网络结构

2、花分类数据集

 

————————————————————————————————————————————————————————————————————————————————

1、AlexNet网络结构

AlexNet是2012年ISLVRC2012（ImageNet Large Scale Visual Recognition Challenge)的竞赛冠军，分类准确率由传统的70%+提升到80%+。它是由Hinton和他的学生Alex Krizhevsky设计的。也是在那年之后，深度学习开始迅速发展

 

 

 

该网络的亮点：

• 首次利用GPU进行网络训练
• 使用了ReLU激活函数，而不是传统的Sigmoid激活函数以及Tanh激活函数。
• 使用了LRN局部响应归一化
• 在全连接层的前两层中使用了Dropout随机失活神经元操作，以减少过拟合。
  • 过拟合：根本原因是特征维度过多，模型假设过于复杂，参数过多，训练数据过少，噪声过多，导致拟合函数完美的预测训练集，但对新数据的测试集预测结果差。过度的拟合了训练数据，而没有考虑到泛化能力。
  • Dropout：在网络正向传播过程中随机失活一部分神经元。

 

 

2、花分类数据集

下载地址：deep-learning-for-image-processing/data_set at master · WZMIAOMIAO/deep-learning-for-image-processing · GitHub

数据共有五个类别，一共3670张图片

 数据分成训练集和验证集：运行split_data.py：shift+鼠标反键，选择在此处打开Powershell窗口，输入python 脚本名称