AlexNet：深度学习入门

AlexNet卷积神经网络的理解并对手势数据集识别

学术论文《基于深度卷积神经网络的ImageNet图像分类研究》
链接：https://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf
AlexNet卷积神经网络架构

源码：https://github.com/DoubleYuanL/AlexNet.git
附带数据集
一：简要说明AlexNet网络结构
从结构图中可以观察到：
AlexNet卷积神经网络由5个卷积层、3个池化层以及3个全连接层（其中包括输出层）构成。
进一步细化分析如下：
输入图像数据的尺寸为[-1, 227， 227， 3]
第一层卷积：卷积核大小为[11,11]，步长设置为4，数量为96，并采用relu作为激活函数。（原始AlexNet中包含lrn层，但该层会降低训练效率，在代码中虽有编写但已被屏蔽），使用有效卷积（VALID）方式。
经过第