问题1: AlexNet的提出者是谁?
答:AlexNet是由Hinton团队于2012年提出的。
问题2: AlexNet获得了什么比赛的冠军?
答:AlexNet获得了ImageNet 2012图像识别挑战赛的冠军。
问题3: AlexNet使用了什么激活函数?
答:AlexNet首次在CNN中使用了ReLU激活函数。
问题4: AlexNet使用了什么正则化方法防止过拟合?
答:AlexNet在所有的权重中使用了L2正则化来防止过拟合。
问题5: AlexNet采用了什么数据增强方法?
答:AlexNet使用翻转、裁剪和颜色变换来扩充数据集。
问题6: AlexNet包含几层卷积层和全连接层?
答:AlexNet包含5个卷积层和3个全连接层。
问题7: AlexNet的卷积核大小和步长是什么?
答:AlexNet的卷积核大小为11x11,7x7,5x5和3x3,对应的步长为4,2和1。
问题8: AlexNet的第一个卷积层的输出特征图个数是多少?
答:AlexNet的第一个卷积层输出96个特征图。
问题9: AlexNet如何实现多GPU训练?
答:AlexNet使用两块GPU来加速训练。
问题10: AlexNet有何贡献?
答:AlexNet开创了深层卷积网络时代,在分类精度和鲁棒性上超过传统方法,对此后CNN架构产生了深远影响,是一个里程碑式的工作。
问题11: AlexNet的网络结构具体如何?
答:AlexNet包含8层:前5层是卷积层,中间2层是全连接层,最后是输出层。具体结构是:Conv1(96)->Relu->Pool1->Conv2(256)->Relu->Pool2->Conv3(384)->Relu->Conv4(384)->Relu->Conv5(256)->Relu->Pool5->FC1(4096)->Relu->FC2(4096)->Relu->FC3(1000)->Softmax。
问题12: AlexNet的第2层是什么类型的层?
答:AlexNet的第2层是最大池化层(Max Pooling)。
问题13: AlexNet的输出层是什么激活函数?
答:AlexNet的输出层使用Softmax激活函数。
问题14: AlexNet的卷积层输入和输出是什么尺寸?
答:AlexNet的第一个卷积层输入为227x227x3,输出为55x55x96;第二个卷积层输入为27x27x96,输出为27x27x256;第三个卷积层输入为13x13x256,输出为13x13x384;第四个卷积层输入也为13x13x384,输出同样为13x13x384;第五个卷积层输入为13x13x384,输出为13x13x256。
问题15: AlexNet的全连接层的输出维度是多少?
答:AlexNet的第一个全连接层输出4096维,第二个全连接层输出4096维。
问题16: AlexNet总共有多少层?
答:AlexNet总共有8层,包括5个卷积层和3个全连接层。
问题17: AlexNet的卷积核步长在各层分别是多少?
答:AlexNet的第一个卷积层步长为4,第二个卷积层步长为1,第三个卷积层步长为1,第四个卷积层步长为1,第五个卷积层步长为1。
问题18: AlexNet在测试集上的错误率是多少?
答:AlexNet在ImageNet测试集上的错误率是15.4%。
问题19: AlexNet有多少个参数?
答:AlexNet总共有60M个参数。
问题20: AlexNet的输入图像是什么尺寸?
答:AlexNet的输入图像尺寸是224x224。