[caffe]AlexNet模型解讀

標籤：style   blog   http   color   io   ar   strong   檔案   資料   

在imagenet上的映像分類challenge上Alex提出的alexnet網路結構模型贏得了2012屆的冠軍。要研究CNN類型DL網路模型在映像分類上的應用，就逃不開研究alexnet，這是CNN在映像分類上的經典模型（DL火起來之後）。

在DL開源實現caffe的model範例中，它也給出了alexnet的複現，具體網路設定檔如下https://github.com/BVLC/caffe/blob/master/models/bvlc_reference_caffenet/train_val.prototxt：

接下來本文將一步步對該網路設定結構中各個層進行詳細的解讀（訓練階段）：

1. conv1階段DFD（data flow diagram）：

2. conv2階段DFD（data flow diagram）：

3. conv3階段DFD（data flow diagram）：

4. conv4階段DFD（data flow diagram）：

5. conv5階段DFD（data flow diagram）：

6. fc6階段DFD（data flow diagram）：

7. fc7階段DFD（data flow diagram）：

8. fc8階段DFD（data flow diagram）：

各種layer的operation更多解釋可以參考http://caffe.berkeleyvision.org/tutorial/layers.html

從計算該模型的資料流過程中，該模型參數大概5kw+。

[caffe]AlexNet模型解讀