Datasets:
LabelMe: consists of hundreds of thousands of fully-segmented images
ImageNet: consists of over 15 million labeled high-resolution images in over 22000 categories
这篇论文使用的数据集是ImageNet
多余的话：
ImageNet包含超过1500 0000张的已标记的高清晰度图片，这些图片大约有22000类。这些图片是从网上收集来的，人们使用亚马逊的Mechanical Turk众包工具进行标记。
ImageNet Large-Scale Visual Recognition Challenge(ILSVRC)从2010年开始，每年举行一次，是Pascal Visual Object Challenge的一部分。ILSVRC使用的只是ImageNet的一部分，1000类，每一类大约1000张，总共有120 0000张训练图片，50000张验证图片，150000张测试图片，这些图片的清晰度是不统一的。其中ILSVRC-2010是唯一一次能够获取测试集标签的。比赛通常报告两种错误，top-1 和 top-5。top-1错误率的意思是说被错误分类的图片的概率，top-5错误率的意思是说模型预测的最可能的5个标签都不是测试图片的正确标签的比例。
步入正题：
1.网络结构：
这篇论文主要做的是图片分类，对于我们人来说，拿到一张图片，我们可以很快地知道这张图片上有什么，比如一只猫，一把椅子。但是对于计算机来说，如何对图片进行分类，这就是一个问题，计算机知道的就是一串0和1这些数字。为了达到这个目的，并且效果还不错，它用的模型结构简称AlexNet
总体说来：
AlexNet共有8层，有60M以上的参数量。
前五层为卷积层：convolutional layer
后三层为全连接层：fully connected layer
最后一层是1000-way softmax，目标函数是multinorminal logistic regression.
这个是从论文中截下来的原图，这个模型是在两块3GB的GPU上训练的（GTX 580 3GB GPU），是受那个3GB内存的限制，导致能在一块GTX 580 GPU上训练的模型就有限制，所以模型结构图有上下两部分。从图上我们可以看到第2层，第4层和第5层卷积层的kernels只是和在同一GPU上的前一层kernels相连，而第3层卷积层以及全连接层的kernels则是和之前所有的kernels相连。
分层结构：
- 第1层
（1）输入图片为224 x 224 x 3，表示长宽是224个像素，使用RGB彩色图通道（通道数是3）来表示，所以还要乘以3（学界普遍认为论文中说的224不太合适，讲道理应该是227才对）
（2）使用了96个大小为11 x 11 x 3的filter。在stride为4的设置下，对输入图像进行了卷积操作，得到了 55 x 55 x 96的data map。这三个数字的由来：（227 - 96 ）/ 4 + 1 = 55，96就是滤波器的个数。
（3）经过激活函数ReLu，再进行池化操作-maxpooling，滤波器（filter）大小为3 x 3，步长（stride）为2，池化后的输出为27 x 27 x 96。（55 - 3 ）/ 2 + 1 = 27. 96 仍为原来的深度。
（4）
- LRN（Local Response Normalization，局部响应归一化）
- 其他4层卷积层过程与之类似
- 第6层
本层的输入为6 x 6 x 256（9216），，全连接层其实就是一个矩阵运算，它完成一个空间上的映射。所以把输入看成一个列向量X（维度为9216），也就是你可以把输入看成一个9216 x 1 的矩阵。然后和参数矩阵W相乘，这里参数矩阵W设置为4096 x 9216，最后全连接层的输出就是 W与X相乘所得，记为Y（维度为4096 x 1）。
- 第8层
第8层的输出就是1000 x 1的矩阵，即维度为1000的一个列向量，对应softmax regression的1000个标签。
2.网络结构的创新点
- ReLu（RectifiedLinear Uints，修正线性单元）
f(x)=max(0,x)，是一种非饱和非线性激活函数。相较于f(x)=tanh(x)和sigmoid函数：f(x)=(1+e^-x)^-1，这两种饱和非线性激活函数而言，SGD梯度下降的时间更快。
多余的话：
- 多GPU训练
使用并行机制，将kernels分半放在2块GPU上。这里使用了一个小技巧，GPU之间的通讯只在某些层中进行。例如，第3层的核需要从第2层中所有核映射输入。然而，第4层的核只需要从第3层中位于同一GPU的那些核映射输入。
- LRN（Local Response Normalization，局部响应归一化）
本质上，这个层也是为了防止激活函数的饱和的。
根据这篇博客上（ http://blog.csdn.net/cyh_24/article/details/51440344 ）作者的理解：通过正则化让激活函数的输入靠近“碗”的中间(避免饱和)，从而获得比较大的导数值。从功能上说，跟ReLU是重复的。
作者在论文中提到这么做可以提高网络的泛化能力。
LRN具体说来就是通过这个函数把第i个kernel位于（x,y）处的激励值
进行归一化，N是那一层kernels的总数，超参数
是常量。
- 重叠池化
一个池化层可以看做是由间隔s个像素的池化单元网格组成，每个网格对一个以池化单元为中心的z x z大小的邻域进行总结。
如果s = z，就是传统的局部池化；如果s < z，就是重叠池化。
这篇论文在整个网络中，都设置s = 2 ，z = 3。同非重叠池化机制（s = 2， z = 2）相比，这个机制分别使得top-1 和 top-5 错误率减少了 0.4% 和 0.3%。
非重叠池化与重叠池化的输出都是相同的维度。而且使用重叠池化的模型在训练中更不容易过拟合。
3.避免过拟合
- data augmentation（数据扩充）
有一种观点认为神经网络是通过大量的数据训练出来的，如果增加训练数据，就能够提升算法的准确率，因为这样可以避免过拟合，而避免了过拟合就可以增大网络结构。当数据有限时，就可以通过一些变化从已有数据中生成一些新的数据，来扩大训练数据的size。
其中，最简单通用的图像数据变形的方式如下：
1.从原始图像（256,256）中随机crop出一些图像（224,224）【平移变换，crop】
2.水平翻转图像【反射变换，flip】
3.给图像增加一些随机的光照【光照、色彩变换，color jittering】
AlexNet对data augmentation的处理：
1.平移变换和反射变换：训练时，对于256 x 256的图片随机crop到224 x 224，然后允许水平翻转，相当于将样本倍增到（（256 - 224）** 2）* 2 ）= 2048。测试时，对左上、右上、左下、右下、中间做了5次crop，然后翻转（flip），共10个crop，之后对结果求平均。
2.改变训练图像RGB通道的强度：我们在遍及整个ImageNet训练集的RGB像素值集合中执行PCA。对于每个训练图像，我们成倍增加已有主成分，比例大小为对应特征值乘以一个从均值为0，标准差为0.1的高斯分布中提取的随机变量。这样一来，对于每个RGB图像像素
其中
与
分别是RGB像素值的3×3协方差矩阵的第i个特征向量与特征值，
是前面提到的随机变量。每个对于特定训练图像的全部像素只提取一次，直到那个图像再次被用于训练，在那时它被重新提取。这个方案大致抓住了自然图像的一个重要属性，即，光照强度与颜色是变化的，而对象识别是不变的。
- dropout
它做的就是以0.5的概率将每个隐层神经元的输出设置为零。以这种方式”dropped out”的神经元既不参与前向传播，也不参与反向传播。所以每次提出一个输入，该神经网络就尝试一个不同的结构，但是所有这些结构之间共享权重。因为神经元不能依赖于其他特定神经元而存在，所以这种技术降低了神经元复杂的互适应关系。正因如此，要被迫学习更为鲁棒的特征，这些特征在结合其他神经元的一些不同随机子集时有用。前两个全连接层使用dropout。如果没有dropout，我们的网络会表现出大量的过拟合。dropout使收敛所需的迭代次数大致增加了一倍。
4.图片预处理
①大小归一化
将所有图片都归一化为256x256大小，至于为什么直接不归一化到224(227)，请参考上文说的扩充数据集的操作。
②减去像素平均值
所有图片的每个像素值都减去所有训练集图片的平均值。
参考博客：
1.http://blog.csdn.net/teeyohuang/article/details/75069166
2.http://blog.csdn.net/cyh_24/article/details/51440344