深度学习之图像分类模型AlexNet解读

Bertha 。 2022-04-16 04:17 327阅读 0赞

在imagenet上的图像分类challenge上Alex提出的alexnet网络结构模型赢得了2012届的冠军。要研究CNN类型DL网络模型在图像分类上的应用，就逃不开研究alexnet，这是CNN在图像分类上的经典模型（DL火起来之后）。

在DL开源实现caffe的model样例中，它也给出了alexnet的复现，具体网络配置文件如下[https://github.com/BVLC/caffe/blob/master/models/bvlc\_reference\_caffenet/train\_val.prototxt][https_github.com_BVLC_caffe_blob_master_models_bvlc_reference_caffenet_train_val.prototxt]：

**接下来本文将一步步对该网络配置结构中各个层进行详细的解读（训练阶段）：**

1. conv1阶段DFD（data flow diagram）：

![SouthEast][]

2. conv2阶段DFD（data flow diagram）：

![SouthEast 1][]

3. conv3阶段DFD（data flow diagram）：

![SouthEast 2][]

4. conv4阶段DFD（data flow diagram）：

![SouthEast 3][]

5. conv5阶段DFD（data flow diagram）：

![SouthEast 4][]

6. fc6阶段DFD（data flow diagram）：

![SouthEast 5][]

7. fc7阶段DFD（data flow diagram）：

![SouthEast 6][]

8. fc8阶段DFD（data flow diagram）：

![SouthEast 7][]

**各种layer的operation更多解释可以参考[http://caffe.berkeleyvision.org/tutorial/layers.html][http_caffe.berkeleyvision.org_tutorial_layers.html]**

从计算该模型的数据流过程中，该模型参数大概5kw+。

[https_blog.csdn.net_sunbaigui_article_details_39938097]: https://blog.csdn.net/sunbaigui/article/details/39938097
[https_github.com_BVLC_caffe_blob_master_models_bvlc_reference_caffenet_train_val.prototxt]: https://github.com/BVLC/caffe/blob/master/models/bvlc_reference_caffenet/train_val.prototxt
[SouthEast]: /images/20220416/38473fd51bc941cf8ef9b80b63eaf7d2.png
[SouthEast 1]: /images/20220416/755037f276db4038bb1ee3a77b16190a.png
[SouthEast 2]: /images/20220416/7b295d795cff43eb9cdfaad5a2af6939.png
[SouthEast 3]: /images/20220416/99308ef561e745f4b98ddf656beea6fa.png
[SouthEast 4]: /images/20220416/e527310f8dfd449589ee47f874682602.png
[SouthEast 5]: /images/20220416/2b36c876b14f4ad9962729e9bcf8077c.png
[SouthEast 6]: /images/20220416/dd3eeafe767c4b469babd0a0883e9f99.png
[SouthEast 7]: /images/20220416/438265c9195a4bc38c06f2a8dd6206b6.png
[http_caffe.berkeleyvision.org_tutorial_layers.html]: http://caffe.berkeleyvision.org/tutorial/layers.html