首先介绍文中所用到的数据集：
（1）文中所用到的数据集是来自于ImageNet数据集的ILSVRC（ImageNet Large-Scale Visual Recognition Challenge）数据集，数据集中共1000个类别每个类别大约1000张图片，其中约120万张训练集图片，5万张验证集图片，15万张测试集图片。用于文中的数据集为ILSVRC-2010，此外ILSVRC还有ILSVRC-2012数据集，在文中也涉及到了2012版数据集，但此数据集是不可获得的。
（2）因为ImageNet数据集中的图片包括多种分辨率，但是文中实验需要固定分辨率图片，所以在实验前会对使用的图片数据进行处理（少则调整，然后下采样），将图片统一为256*256分辨率，除此之外没有其他处理，直接使用RGB图片进行训练。
Alex-Net架构：
（1）Alex-Net整体网络结构如下图所示：
Alex-Net整体结构图
Alex-Net整体网络层次：卷积层1——>局部响应归一化层1——>最大池化层1——>卷积层2——>局部响应归一化层2——>最大池化层2——>卷积层3——>卷积层4——>卷积层5——>最大池化层3——>全连接层1——>全连接层2——>全连接层3（1000softmax输出）
（2）在第三节（The Architecture）部分，作者根据他所认为的在Alex-Net中一些创新或者不同寻常的部分的重点，当然这只是在论文发表当时作者的观点，现在其中一些技术已经得到了广泛的应用。
<1>ReLU Nonlinearity（线性整流函数）：简单用公式来说就是f（x）=max（0，x）这里引用另一文献中的一幅图片来介绍ReLU，来源在图片介绍部分包含。图中右面部分与文中图片完全一致，这部分图片所体现的也是文中采用ReLU作为激活函数的主要原因，采用ReLU作为激活函数可以加速训练。
ReLU介绍图
<2>Training on Multiple GPUs（多GPU训练）：文中采用了两块3G内存的GTX580GPU，原因是单个GPU计算和存储能力有限同样也会限制所训练神经网络的规模，而采用多GPU可以训练更大规模的神经网络，在技术实现过程中各将一半的神经元节点放置于两块不同的GPU（我的理解：同样道理可以推广到使用更多块GPU），使不同层的神经元只能和特定层的神经元进行通信（也就是连接），比如文中说明3层只能和2层连接，而4层只能和与它同在一块GPU的层连接。采用这个技术使测试结果的TOP1和TOP5错误率（TOP1错误率指对一张图片的分类概率最大的类恰恰是正确的类，而TOP5错误率指概率最大的5个类中包含正确的类）分别降低了1.7%和1.2%。
<3>Local Response Normalization(局部响应归一化)：
局部响应归一化的符号表达
局部响应归一化可以归纳为以上的符号表达，其中i代表第i个kernel（核），（x,y）表示对应的位置，n表示在第i个核的相同位置邻近的kernel map（核）的数目，N表示该层kernels（核）的总数目，其中的k，n，alpha，beta都是人工设置的超参数，文中采用k=2，n=5，alpha=10的-4次方，beta=0.75。采用这个技术使测试结果的TOP1和TOP5错误率分别降低了1.4%和1.2%。
<4>Overlapping Pooling(重叠池化)
所谓重叠池化就是再吃化过程中每一个池化单元之间有重叠的部分（传统池化是没有重叠的），采用这个技术使测试结果的TOP1和TOP5错误率分别降低了0.4%和0.3%。
（3）在第四节Reducing Overfitting（降低过拟合）部分，开始作者介绍了因为神经网络参数众多，所以需要考虑到过拟合问题，下面介绍了两种用于降低过拟合的方法：
<1>Data Augmentation（数据扩充）：在数据扩充部分又分为两个方法。其一是对图片进行图像转移（随机抽取224*224小块）和图像取镜像；其二是对图像的RGB像素值进行PCA（主成分分析）。整个数据扩充使TOP1错误率降低了超过1%.
<2>Dropout(丢弃)：在Alex-Net中，前两个全连接层使用了Dropout技术，用以降低过拟合，关于Dropout可以自行查看网络资源或其他文献资料。
（4）第五节Details of learning（学习训练）中，介绍了Alex-Net采用的随机梯度下降进行训练，batch为128，momentum（学习率）为0.9，weight decay（权重衰减）为万分之5。具体公式不在此列出，大家可以查看原文。在训练过程中使用120万图片循环训练了大约90次，使用两块GTX580（3G）训练了五到六天。
（5）Result（测试结果）：在ILVRC-2010数据集数据集中，TOP1错误率和TOP5错误率分别为37.5%和17.5%。在之前该数据集的TOP1错误率和TOP5错误率分别为47.1%和28.2%，当时公开的TOP1错误率和TOP5错误率分别为45.7%和25.7%。在ImageNet2009数据集（10184类890万张图片）上TOP1错误率和TOP5错误率分别为67.4%和40.9%，当时此数据集基线TOP1错误率和TOP5错误率分别为78.1%和60.9%
注：第一次写文献阅读笔记，且本人英语水平一般，所以可能存在众多错误与不足，希望大家谅解并给与批评指正。另外在阅读文献过程中不可避免的会参考一些网络资源，虽然已尽力尊重原文避免网络资源的影响，但仍然会有一些影响，感谢那些提供资源的前辈。
网友评论