每天五分钟深度学习pytorch:基于AlexNet模型完成手写字体识别

本文重点

前面我们学习了LeNet的搭建，本文我们学习AlexNet网络模型的搭建，然后使用它跑一遍手写字体识别的项目

AlexNet

在2012年ImageNet竞赛中以超过第二名10.9个百分点的绝对优势一举夺冠，从此深度学习重新火热起来，我们来看一下它的网络结构，它比LeNet更深，同时第一次使用激活层ReLU（没有和LeNet-5比），同时使用Dropout解决过拟合的问题。AlexNet为了增强模型的泛化能力，避免过拟合，作者使用了随机裁剪的思路对原来256×256的图像进行随机裁剪，得到尺寸为3×224×224的图像（transforms.Resize(224)就可以完成），输入到网络训练。

如图所示，受困于当时计算力的问题，所以使用了两块CPU进行了训练，然后用了很多技巧，从现在的计算力来看，我们不用这样操作了

网络模型

class AlexNet(nn.Module):

def __init__(self):

super(AlexNet,self).__init__()

self.features=nn.Sequential( nn.Conv2d(1,64,kernel_size=11,stride=4,padding=2), nn.ReLU(inplace=True), nn.MaxPool2d(kernel_size=3