AlexNet卷积网络结构图详解：从原理到实现的高效图像分类

1次阅读

共计 2403 个字符，预计需要花费 7 分钟才能阅读完成。

AlexNet 是 2012 年 ImageNet 竞赛的冠军模型，由 Alex Krizhevsky 等人提出。它标志着深度学习在计算机视觉领域的重大突破，开启了卷积神经网络（CNN）的新时代。AlexNet 的成功不仅在于其出色的性能，更在于它验证了深度学习的潜力，为后续的模型设计奠定了基础。

AlexNet 由 8 层组成，包括 5 个卷积层和 3 个全连接层。以下是逐层解析：

输入层 ：输入图像尺寸为 224x224x3（RGB 三通道）。
第一卷积层（Conv1）：使用 96 个 11×11 的卷积核，步长为 4，输出尺寸为 55x55x96。
第一池化层（Pool1）：3×3 的最大池化，步长为 2，输出尺寸为 27x27x96。
第二卷积层（Conv2）：使用 256 个 5 ×5 的卷积核，输出尺寸为 27x27x256。
第二池化层（Pool2）：3×3 的最大池化，步长为 2，输出尺寸为 13x13x256。
第三卷积层（Conv3）：使用 384 个 3 ×3 的卷积核，输出尺寸为 13x13x384。
第四卷积层（Conv4）：使用 384 个 3 ×3 的卷积核，输出尺寸为 13x13x384。
第五卷积层（Conv5）：使用 256 个 3 ×3 的卷积核，输出尺寸为 13x13x256。
第三池化层（Pool3）：3×3 的最大池化，步长为 2，输出尺寸为 6x6x256。
全连接层（FC6, FC7, FC8）：分别有 4096、4096 和 1000 个神经元，最后一层对应 1000 类分类任务。

AlexNet 首次在 CNN 中大规模使用 ReLU（Rectified Linear Unit）激活函数，解决了传统 Sigmoid 和 Tanh 函数在深层网络中梯度消失的问题。ReLU 的计算简单，能加速收敛。

import torch.nn as nn

class AlexNet(nn.Module):
    def __init__(self):
        super(AlexNet, self).__init__()
        self.relu = nn.ReLU(inplace=True)

LRN 模拟了生物神经元的侧抑制机制，增强局部泛化能力。虽然现代网络已较少使用，但在 AlexNet 中起到了重要作用。

self.lrn = nn.LocalResponseNorm(size=5, alpha=0.0001, beta=0.75, k=2)

Dropout 是一种正则化技术，随机丢弃部分神经元以防止过拟合。AlexNet 在全连接层中使用了 Dropout。

self.dropout = nn.Dropout(p=0.5)

以下是使用 PyTorch 实现 AlexNet 的关键代码：

import torch.nn as nn

class AlexNet(nn.Module):
    def __init__(self, num_classes=1000):
        super(AlexNet, self).__init__()
        self.features = nn.Sequential(nn.Conv2d(3, 96, kernel_size=11, stride=4, padding=2),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
            nn.LocalResponseNorm(size=5, alpha=0.0001, beta=0.75, k=2),
            nn.Conv2d(96, 256, kernel_size=5, padding=2),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
            nn.LocalResponseNorm(size=5, alpha=0.0001, beta=0.75, k=2),
            nn.Conv2d(256, 384, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(384, 384, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(384, 256, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
        )
        self.classifier = nn.Sequential(nn.Dropout(),
            nn.Linear(256 * 6 * 6, 4096),
            nn.ReLU(inplace=True),
            nn.Dropout(),
            nn.Linear(4096, 4096),
            nn.ReLU(inplace=True),
            nn.Linear(4096, num_classes),
        )

    def forward(self, x):
        x = self.features(x)
        x = x.view(x.size(0), 256 * 6 * 6)
        x = self.classifier(x)
        return x

AlexNet 在当时的硬件条件下（如 GPU）表现优异，但与现代网络相比，其计算效率较低。以下是优化建议：