[caffe]AlexNet模型解读
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：
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）：
2. conv2阶段DFD（data flow diagram）：
3. conv3阶段DFD（data flow diagram）：
4. conv4阶段DFD（data flow diagram）：
5. conv5阶段DFD（data flow diagram）：
6. fc6阶段DFD（data flow diagram）：
7. fc7阶段DFD（data flow diagram）：
8. fc8阶段DFD（data flow diagram）：
各种layer的operation更多解释可以参考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+。
郑重声明：本站内容如果来自互联网及其他传播媒体，其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。
