知识卡片
AlexNet堆叠卷积与池化
AlexNet 通过多层卷积、非线性激活和池化逐层提取图像特征,再用全连接层输出类别得分。早期实现采用双 GPU 数据流以应对显存限制;网络层次和输入尺寸等具体细节应以使用的实现为准。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第7章 深度学习
原书出处 · 1 处
- 深度学习 · 查看原书依据
AlexNet的结构分为两条路径,每条路经均含五个卷积层和三个全连接层
参考来源
- 位置:《现代人工智能技术》第7章《深度学习》(来源项目:book-source;源文件:extracted/现代人工智能技术/_epub-src/EPUB/xhtml/chapter9.xhtml)
- 结论依据:原文描述五个卷积层、池化和全连接层及双 GPU 分工。
- 原始内容:AlexNet的结构分为两条路径,每条路经均含五个卷积层和三个全连接层