经典CNN模型—AlexNet、VGG、GoogLeNet

AlexNet

特征

1. 整体架构包含8个变换层级，其中5个为卷积层，2个为全连接隐藏层，并配置了一个全连接输出层。
2. 将原本采用的sigmoid激活函数替换为更为简洁高效的ReLU激活函数。
3. 在全连接层中引入Dropout机制，以有效控制模型的复杂程度。
4. 应用数据增强策略，包括图像翻转、裁剪以及颜色调整等手段，从而在不增加原始数据量的前提下提升数据多样性，进而缓解模型过拟合问题。

首个卷积层
输入图像的尺寸为224 _ 224 _ 3（或为227 _ 227 _ 3）
该卷积层的参数设置为11 _ 11 _ 96，即其空间尺寸为11 _ 11，包含96个卷积核，步长设定为4。在该层之后接有ReLU激活函数，因此输出尺寸计算方式为：原输入尺寸除以步长，即224 / 4 = 56。考虑到边缘部分的裁剪效应，实际输出尺寸调整为55。由此可知，每个特征图的维度为55 _ 55 _ 96。此外，在该卷积层后还引入了LRN归一化层，其特征图尺寸保持不变。

随后采用最大池化操作，池化核大小设定为3 _ 3