论文简述

本文算是深度学习的起源，这篇文章讲述了一种可实现的网络架构，并在ILSVRC-2012挑战赛中优势突出，top-5 错误率达到15.4%，远远超过第二名26.2%，证实了CNN网络结构的可实现性及高优越性。此外，文章中还提到了许多现在仍在使用的技术，如dropout，数据扩增，ReLU激活函数等等。

论文要点

CNN的优势

CNN网络结构的容量可以通过改变深度和广度来控制，它们还可以对图像的性质（即统计的平稳性和像素依赖性的局部性）作出强有力且最正确的假设，因此相比全连接，CNN需要更少的参数和连接来实现。【CNN主要特征是局部感受野和权值共享】

ReLU-非饱和神经元（non-saturating）

• non-saturating neurons = 没有被挤压（到一个特定的区间）处理过的值
  relu：input neurons的值，要么变0， 要么保持原值（无挤压，无最大最小值限制）
  leaky_relu：input neurons的值， 要么按照某比例缩小，要么保持原值（无挤压，无最大最小值限制）
• saturating neurons = 被挤压（到一个特定的区间）过的值
  sigmoid: input neurons的值会被挤压到[0,1]的区间
  tanh：input neurons的值会被挤压到[-1,1]的区间
• 为什么要用relu这样的能生成non-saturating neurons的non-linear activations, 而不用生成saturating neurons的sigmoid或tanh?
  1. 规避vanishing, exploding of gradients 带来的gradient值过大过小，不能继续进行后向传播，导致训练效率低下
  2. 论文中提到，使用了RELU后，训练效率大幅提升

转自知乎：https://www.zhihu.com/question/264163033/answer/277481519

论文提出像ReLU这样的非饱和非线性激活函数比饱和型非线性训练效率大幅度提升。

局部响应归一化（Local Response Normalization,LRN）

局部响应归一化从实际神经元中发现的侧抑制（被激活的神经元抑制相邻的神经元）受到启发，从而对局部神经元的活动创建竞争机制，使得响应较大的值相对更大，提高模型的泛化能力。

需要注意的是，公式中的i是指第i个kernel，也就是说是在同一位置的不同kernel之间进行抑制，公式即为当前kernel中的特征除以相邻位置的特征平方和，从而抑制小的响应，扩张大的响应。

重叠池化（Overlapping Pooling）

池化时，池化步长为s（隔s选定一个池化单元），池化核大小为z（每个单元汇总一个以池单元位置为中心的z×z大小的邻域），文章提出使步长小于池化核，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。此外，本文还采用了最大池化，避免平均池化的模糊化效果。

数据扩充

1. 图像平移和水平反射
   随机从256×256的图像中截取224×224大小的图像，并进行水平反射，使训练集变成原来的2048倍，且训练样本之间是高度相互依赖的。训练时截取了五个这样的图像（一个中心图像和四个角落图像）以及他们的水平反射，最后在softmax层将预测结果进行求均值
2. 改变RGB通道的强度
   将通过PCA找到的主分量（特征向量）乘以相对应倍数后加起来，其倍数大小与 相应的特征值乘以从平均零和标准偏差为0.1的高斯中提取的随机变量 的结果成比例。其中的随机变量α在每次对应的图像需要训练时再重新提取
   

数据扩充既增加了训练数据的量级，又使网络学习到物体统一性对位置尺寸、光照强度及颜色变化具有不变性

Dropout

使每个隐藏神经元的输出以0.5的概率设置为0，被drop掉的神经元前向传播和后向传播都不参与，每次神经网络的结构都不相同，所以也可以看做是另一种的模型融合。此外，神经元也不可以依赖其他神经元的活跃来完成网络，增加了网络结构的鲁棒性。在测试阶段，则需要将输出结果乘以0.5。dropout会加倍训练收敛所需的迭代次数。

数据扩充和dropout用以防止网络过拟合

其他细节

随机梯度下降
权重衰减以0.0005（可以降低训练误差）
当验证错误率不再随当前学习率提高而提高时，采用的启发式方法是将学习率除以10。
采用双GPU并行处理

网络构架

第二、四、五层的卷积层只与处在同一GPU上的前一层网络的卷积核相连接，第三层的卷积层与第二层全部的卷积核相连接，局部响应层跟在第一和第二个卷积层后，最大池化层跟在相应归一化以及第五个卷积层后边，ReLUctant应用在所有卷积层及连接层后面。