Alex Krizhevsky在《 深度卷积神经网络的ImageNet分类》一文中提出了深度卷积神经网络模型 AlexNet，是LeNet的一种更深更宽的版本。这是第一次将深度卷积神经网络 (CNN)、GPU 和巨大的互联网来源数据集（ImageNet）结合在一起。 AlexNet首次在CNN中成功应用了ReLU、Dropout和LRN等Trick。AlexNet包含了6亿3000万个连接，6000万个参数和65万个神经元，拥有5个卷积层，其中3个卷积层后面连接了最大池化层，最后还有3个全连接层。它以显著的优势赢得了 当年ILSVRC 2012奖，top-5的错误率（指给定一张图像，其标签不在模型认为最有可能的5个结果中的几率）降低至15.4%。AlexNet是神经网络在第二次低谷期后的第一次呐喊， 确立了深度学习（深度卷积神经网络）在计算机视觉的统治地位，也推动了深度学习在语音识别、自然语言处理、强化学习等领域的拓展。
AlexNet主要使用到的新技术点如下：
- 成功使用ReLU作为CNN的激活函数，并验证其效果在较深的网络超过了Sigmoid，解决了Sigmoid在网络较深时的梯度弥散问题。
- 训练时使用Dropout随机失活（忽略）一部分神经元，以避免模型过拟合。
- 在CNN中使用重叠的最大池化。AlexNet全部使用最大池化，避免平均池化的模糊化效果。并且AlexNet提出让步长比池化核的尺寸小，这样池化层的输出之间会有重叠和覆盖，提升了特征的丰富性。
- 提出了LRN（局部响应归一化）层，对局部神经元的活动创建竞争机制，使得其中响应比较大的值变得相对更大，并抑制其他反馈较小的神经元，增强了模型的泛化能力。
- 使用CUDA加速深度卷积网络的训练，利用GPU强大的并行计算能力，处理神经网络训练时大量的矩阵运算。
- 数据增强，随机地从256´256的原始图像中截取224´224大小的区域（以及水平翻转的镜像），相当于增加了(256-224)2´2=2048倍的数据量。
AlexNet网络结构：
整个AlexNet有8个需要训练参数的层（不包括池化层和LRN层），前5层为卷积层，后3层为全连接层，如图所示：
- 输入：input_size = [224, 224, 3]
- 卷积层：
- kernels = 48 * 2 = 96个卷积核
- kernel_size = 11 * 11
- padding = [1, 2] (左上围加半圈0，右下围加2倍的半圈0）
- stride = 4
- 输出：output_size = [55, 55, 96]
经 Conv1 卷积后的输出特征图像尺寸为：
池化层只改变图片矩阵大小，不改变其深度。即经MaxPool1后的输出特征图像尺寸为：
历经AlexNet网络的5层卷积层训练，在MaxPool3后的最终输出特征图像尺寸为[6, 6, 256]：
AlexNet网络的全连接层：FC1、FC2、FC3
最后一层是有1000类输出的Softmax层用作分类。
分析可见，除了Conv1外，AlexNet网络的其余卷积层都是在改变特征矩阵的深度（逐步加深），而池化层则只改变（缩小）其尺寸。
AlexNet最后一层是有1000类输出的Softmax层用作分类。 LRN层出现在第1个及第2个卷积层后，而最大池化层出现在两个LRN层及最后一个卷积层后。ReLU激活函数则应用在这8层每一层的后面。
因为AlexNet训练时使用了两块GPU，因此这个结构图中不少组件都被拆为了两部分。现在我们GPU的显存可以放下全部模型参数，因此只考虑一块GPU的情况即可。
