tensorflow实现AlexNet训练mnist数据

一、AlexNet网络介绍

AlexNet 可以说是具有历史意义的一个网络结构，可以说在AlexNet之前，深度学习已经沉寂了很久。历史的转折在2012年到来，Alex

Net 在当年的ImageNet图像分类竞赛中，top-5错误率比上一年的冠军下降了十个百分点，而且远远超过当年的第二名。

AlexNet 之所以能够成功，深度学习之所以能够重回历史舞台，原因在于：

1. 非线性激活函数：ReLU
2. 防止过拟合的方法：Dropout，Data augmentation
3. 大数据训练：百万级ImageNet图像数据
4. 其他：GPU实现，LRN归一化层的使用

上述内容节选于【卷积神经网络-进化史】从LeNet到AlexNet 
更多关于AlexNet网络的内容请参考该博客，讲的很不错。

alexnet网络结构：

二、数据

在代码中，数据获取方式为：

from tensorflow.examples.tutorials.mnist import input_data#mnist数据存储的位置或待存储的位置，若该位置有数据则直接使用，否则下载MNIST_data_folder=r"C:\Users\MaMQ\Documents\DeepLearning\tensorflow\try\myAlexnet\data"mnist=input_data.read_data_sets(MNIST_data_folder,one_hot=True)

本人是在windows下使用python3.5、tensorflow1.0，input_data中下载数据时用到了urllib.urlretrieve，但是python3.5中没有这个模块，因此下载时会报错。所以我在http://yann.lecun.com/exdb/mnist/ 网站下载好了mnist数据，并保存到指定文件夹中。这样在运行时会使用已下载好的数据。

三、

在mnist数据上，我分别将dropout值设置为0.2、0.5、0.8，得到的准确率为：0.0859375，0.179688，0.972656。可见dropout对准确率的提升有很大的帮助。dropout介绍可参考此博客。

代码下载可至此http://download.csdn.net/detail/qq_23926575/9835596。