网络结构
AlexNet包含5个卷积层和3个全连接层，此外还包含一些max pooling层、LRN层(局部响应归一化)，具体结构如下：
1.第一层为卷积层，共有96个大小为11*11*3的卷积核，步长为4。后跟LRN层和max pooling层。
2.第二层为卷积层，共有256个大小为5*5*96的卷积核，步长为1。后跟LRN层和max pooling层。
3.第三层为卷积层，共有384个大小为3*3*256的卷积核，步长为1。后面没有LRN层和max pooling层。
4.第四层为卷积层，共有384个大小为3*3*384的卷积核，步长为1。后面没有LRN层和max pooling层。
5.第五层为卷积层，共有256个大小为3*3*384的卷积核，步长为1。后面没有LRN层，只有max pooling层。
6.最后三层为全连接层，每一层都有4096个神经元。
在所有层中，用的都是ReLU激活函数。并且上面提到的max pooling层的kernel都是3*3，步长为2(有重叠的pooling)
相关trick
一、加速trick
1. 非饱和激活函数
与之前常用的sigmoid和tanh等有饱和状态的函数不同，AlexNet中使用了此前Hiton等提出的ReLU(Rectified Linear Units)函数，它是非饱和的，可以加速训练。此外，还有许多其他的优点。(详细内容请戳：深度学习中的激活函数)
2. 双GPU训练
将网络放到两个GPU上训练，加速是次要的，主要还是因为当时单个的GPU很难能放得下AlexNet如此复杂的神经网络。作者使用的是两块显存为3GB的GTX 580，将网络参数分摊到两个GPU上并行训练。对于论文中给出的结构图，有些地方不太理解，为什么有些卷积层之间只对上一层中和它在同一个GPU上的map进行卷积？不应该是对上一层所有的map进行卷积吗？
二、防止过拟合trick
1. Dropout
Dropout也是在AlexNet之前就由Hiton等人提出了，但是直到AlexNet才开始发扬光大。Dropout就是说，再训练的时候，所有的神经元都以一定的概率p被置为0，论文中取p=0.5，但是网络的权值都是共享的。这样，每个bacth送进网络进行训练的时候，相当于每次训练的网络结构都是不太相同的。最终训练完成之后，进行分类的时候，所有的神经元都不会被置为0，也就是说Dropout只发生在训练阶段。这样，最后的分类结果其实就相当于集成了多个不同的网络，效果自然会得到提升，泛化能力也强，在一定程度上可以减轻过拟合。
注意，在测试的时候，所有的神经元都要乘以p。个人理解应该是为了使得测试和训练的时候，这一层的输出在一个量级上，否则会影响下一层的输入。比如经过Dropout后，3*3的一个小邻域卷积后得到的结果为5，而没有Dropout时，可能这个结果是10，而后面的输入都是以5为输入进行训练的，所以当将10输入后，肯定会影响之后的结果。
2. 数据增强
也就是扩充数据集，因为AlexNet要学习的参数有很多，而样本集相对于这个巨大的参数量来说还是有些不够，这种情况下可能会导致过拟合，所以进行数据扩充也会缓解一下过拟合现象。AlexNet主要使用两种方式来对数据集进行扩充：
(1) 平移和旋转。步长为1，从256*256的图像中滑动提取224*224的新图像，这样每张图片得到的新图片为(256-224)^2=1024张。然后在进行水平翻转，最后每张图片可以得到1024*2=2048张图片。虽然说这样得到的图片其实都是极其相似的，但是也还是有效果的。
(2)对RGB像素值执行PCA等等，这一部分并不是很懂
3. LRN
局部响应归一化，简单来说就是对于在同一位置，不同的map层之间的神经元进行归一化。使得值越大的神经元会更大，小的会更小。这样会增加泛化能力，毕竟这样的话，不同的输入对于这些神经元的影响也会变小，不会过于敏感。论文中还提到说这样会激发不同kernel得到的神经元之间的竞争。不过貌似提升不是很大，现在用的不多。
4. Overlapping Pooling
顾名思义，就是在进行pooling操作时，会有重叠现象。举个例子，之前使用的pooling的kernel大小如果是3*3的话，一般步长也是3，那么上一次进行pooling操作的那些神经元，下一次就不会再出现了；而AlexNet使用的步长则是2，也就是说上一次进行pooling操作的那些神经元，下一次操作时还有一部分也会出现。这样得到的结果当然就更精细，可以一定程度上提升泛化能力。
