参考论文：ImageNet classification with deep convolutional neural networks

作者：Alex Krizhevsky，Ilya Sutskever，Geoffrey E. Hinton(AI教父，2019图灵奖得主)

  AlexNet是2012年ImageNet图像分类竞赛的冠军，首次将卷积神经网络CNN和深度学习用于大规模图像分类并且性能优异，在今天也具有一定的参考价值。

1、网络架构

这里原图中输入图像的大小应该为227*227，作者应该是笔误写成了224*224
$$featuremap尺寸=\frac{Input+2\ast padding-filter}{stride}+1=\frac{227+2\ast 0-11}{4}+1=55$$

  设计成上图的结构是因为当时算力不够，也没什么好用的深度学习开源框架。他们手上只有两个GTX580的3GB内存的GPU,为了加快模型的训练速度，所以将模型分为两个部分。一个GPU训练上面的部分，另一个GPU训练下面的部分。

  若在不改变模型结构的条件下，放在今天的软硬件条件下，AlexNet会被设计成如下结构：

  图中的 s 表示 stride，代表步长，s1 代表卷积或池化的步长为 1，s2 代表卷积或池化的 步长为 2，以此类推；fc 表示 fully connected，代表全连接；pool 表示 max pooling，代 表最大池化；conv 表示 convolution，代表卷积；output 表示输出。

  AlexNet 是一个 8 层的网络（卷积层和全连接层中有需要训练的权值，所以这里计算网 络层数的时候只计算卷积层和全连接层），除了最后输出层用的是 softmax 函数以外，其他 层用的都是 ReLU 激活函数。

  AlexNet 是专门为 ImageNet 级别的数据集设计的，一共有 6000 多万个需要训练的参数，参数的数量巨大。

2、计算过程

  第 1 层计算。网络的输入是 227×227 的彩色照片。经过 11×11 步长为 4 的卷积 计算后，得到 96 个 55×55 的特征图。然后再进行 3×3 步长为 2 的最大池化计算，得到 96 个 27×27 的特征图。

  第 2 层计算。使用 5×5，步长为 1 的卷积对 96 个 27×27 的特征图进行特征提取，得到了 256 个 27×27 的特征图。然后再用 3×3 步长为 2 的最大池化计算，得到 256 个 13× 13 的特征图。

  第 3 层计算。使用 3×3，步长为 1 的卷积对 256 个 13×13 的特征图进行特征提取，得到了 384 个 13×13 的特征图。

  第 4 层计算。使用 3×3，步长为 1 的卷积对 384 个 13×13 的特征图进行特征提取，得到了 384 个 13×13 的特征图。

  第 5 层计算。使用 3×3，步长为 1 的卷积对 384 个 13×13 的特征图进行特征提取，得到了 256 个 13×13 的特征图。然后再用 3×3 步长为 2 的最大池化计算，得到 256 个 6×6 的特征图。

  第 6 层计算。把 pool3 的 256 个 6×6 的特征图数据跟 fc1 中的 4096 个神经元进行全连接计算。

  第 7 层计算。把 fc2 的 4096 个神经元跟 fc1 中的 4096 个神经元进行全连接计算。

  第 8 层计算。把 output 的 1000（ImageNet Challenge 比赛有 1000 个分类）个神经元跟 fc2 中的 4096 个神经元进行全连接计算。最后再经过 softmax 计算得到类别的概率值进行输出。

3、AlexNet模型复现

这里使用tensorflow框架对AlexNet架构进行复现

import tensorflow as tf
from tensorflow.keras.models import Model
from tensorflow.keras.layers import *
from plot_model import plot_model

image_size=227
channel=3
num_classes=1000

inputs=Input(shape=(image_size,image_size,channel))
x=Conv2D(filters=96,kernel_size=(11,11),strides=(4,4),padding='valid',
         activation='relu')(input)
x=MaxPool2D(pool_size=(3,3),strides=(2,2),padding='valid')(x)
x=Conv2D(filters=256,kernel_size=(5,5),strides=(1,1),padding='same',
         activation='relu')(x)
x=MaxPool2D(pool_size=(3,3),strides=(2,2),padding='valid')(x)
x=Conv2D(filters=384,kernel_size=(3,3),strides=(1,1),padding='same',
         activation='relu')(x)
x=Conv2D(filters=384,kernel_size=(3,3),strides=(1,1),padding='same',
         activation='relu')(x)
x=Conv2D(filters=256,kernel_size=(3,3),strides=(1,1),padding='same',
         activation='relu')(x)
x=MaxPool2D(pool_size=(3,3),strides=(2,2),padding='valid')(x)
x=Flatten()(x)
x=Dense(4096,activation='relu')(x)
x=Dropout(0.5)(x)
x=Dense(4096,activation='relu')(x)
x=Dropout(0.5)(x)
x=Dense(num_classes,activation='softmax')(x)
model=Model(inputs=inputs,outputs=x)
model.summary()
plot_model(model,to_file='img/AlexNet.png',show_shapes=True)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

References

[1] Krizhevsky A , Sutskever I , Hinton G . ImageNet Classification with Deep Convolutional Neural Networks[J]. Advances in neural information processing systems, 2012, 25(2).