《ImageNet Classification with Deep Convolutional Neural Networks》
- 2012，Alex Krizhevsky et al，AlexNet
ALexNet可以算是LeNet的一种更深更宽的版本。
AlexNet中包含了几个比较新的技术点，首次在CNN中成功应用了ReLU、Dropout和LRN等trick，同时AlexNet也使用了GPU进行运算加速。
AlexNet拥有5个卷积层，其中3个卷积层后面连接了最大池化层，最后还有三个全连接层。AlexNet以显著的优势赢得了竞争激烈的ILSVRC 2012比赛，top-5的错误率降低至了16.4%，相比第二名的成绩26.2%错误率有了巨大的提升。
网络结构：
AlexNet新的技术点：五个卷积层+三个全连接层
（1）成功使用ReLU作为CNN的**函数，并验证其效果在较深的网络超过了Sigmoid函数，成功解决了Sigmoid在网络较深时的梯度弥散（消失）现象。虽然ReLU**函数在很久之前就被提出了，但是直到AlexNet的出现才将其发扬光大。
（2）训练时使用Dropout随机忽略一部分神经元，以避免模型过拟合。在AlexNet中主要是最后的几个全连接层使用了Dropout。
（3）在CNN中使用重叠的最大池化。以前CNN中普遍使用平均池化，AlexNet全部使用最大池化，避免平均池化的模糊化效果。并且AlexNet中提出让步长比池化核的尺寸小（eg：size=[3,3], stride=2.）,这样池化层的输出之间会有重叠和覆盖，提升了特征的丰富性，减少了信息的丢失（最大池化：可以保留最显著的特征）。
（4）提出了LRN层，对局部神经元的活动创建竞争机制，使得其中响应比较大值变得更大，并抑制其他反馈较小的神经元，增强了模型的泛化能力。
（5）使用CUDA加速深度卷积网络的训练，利用GPU强大的并行计算能力，处理神经网络训练时大量的矩阵运算，双卡通信。
（6）数据增强：Data Augmentation
- 方法1：随机裁剪，训练：随机的从256*256的原始图像中截取224*224大小的区域（以及水平翻转的镜像），相当于增加了（256-224）的平方的2倍=2048倍的数据量。
测试：取图片的四个角加中间共5个位置，并进行左右翻转，一共获得10张图片，对它们进行预测并对10次结果求平均。
- 方法2：对RGB数据进行PCA处理，并对主成分做一个标准差为0.1的高斯扰动，增加一些噪声，这个Trick可以让错误率再下降1%。
AlexNet输入的图片尺寸为224*224，第一层使用了较大的卷积核尺寸11*11，步长为4，有96个卷积核；紧接着一个LRN层；然后是一个3*3的最大池化层，步长为2。这之后的卷积核都比较小，都是5*5或者3*3的大小，并且步长都为1，即会扫描全图所有像素；而最大池化层依然保持为3*3，并且步长为2，出现在第一个和第二个以及最后一个卷积层之后。
注：卷积层虽然计算量很大，但参数量只占AlexNet总参数量的很小一部分。这就是卷积层有用的地方，可以通过较少的参数量提取有效的特征。
析：Dropout 为什么奏效？
Dropout 背后的原理与模型集成类似。由于 Dropout 层的作用，关闭的不同神经元集呈现一种不同的架构，并行训练所有这些不同架构，赋予每个子集权重，权重的总和为 1。如果 Dropout 连接了 n 个神经元，则子集架构的数量是 2^n。因此，预测是对所有这些模型的集成取平均。Dropout 有用的另一个原因是：由于神经元是随机选择的，因此它们更有可能避免产生共适应（co-adaptation），从而产生独立于其他神经元的有意义的特征。
Dropout率的选择：
（1）经过交叉验证，隐含节点dropout率等于0.5的时候效果最好，原因是0.5的时候dropout随机生成的网络结构最多。
（2）dropout也可以被用作一种添加噪声的方法，直接对input进行操作。输入层设为更接近1的数。使得输入变化不会太大（0.8）。
注：Dropout会增加模型训练的时间，但大大推迟了过拟合。
析：ReLU：使用ReLU时，使Learning Rates尽量小
ReLU的数学公式：
很显然，从图左可以看出，输入信号<0时，输出都是0，输入信号>0 的情况下，输出等于输入。w 是二维的情况下，使用ReLU之后的效果如下：
（1）优点： Krizhevsky et al. 发现使用 ReLU 得到的SGD的收敛速度会比 Sigmoid/tanh 快很多(看右图)。有人说这是因为它是linear，而且 non-saturating ，相比于 Sigmoid/tanh，ReLU 只需要一个阈值就可以得到**值，而不用去算一大堆复杂的运算。
（2）缺点： 当然 ReLU 也有缺点，就是训练的时候很”脆弱”，很容易就”die”了。
举个例子：一个非常大的梯度流过ReLU 神经元，更新过参数之后，这个神经元再也不会对任何数据有**现象了。 如果这个情况发生了，那么这个神经元的梯度就永远都会是0。
注：实际操作中，设置learning rate 很大，那么很有可能你网络中的40%的神经元都”dead”了。 设置一个合适的较小的learning rate，这个问题发生的情况其实也不会太频繁。