Alexnet网络结构、特点（12年比赛目标识别夺冠的辣个）；和vgg简单比较

8层（5个conv 3个fc）
绿的norm层后来证明没啥用
现在看它的conv1用的卷积核11 stride4就挺离谱的

特点：
①用的relu激活函数，成功解决了Sigmoid在网络较深时的梯度弥散问题。（虽然别人提过 略略略）
在ReLU之后会做一个normalization（没啥用 阿一古）
②最后几个全连接层使用了Dropout随机忽略一部分神经元，以避免模型过拟合。（虽然别人提过 略略略）
③全部用maxpooling 全是3×3**的，stride是22的（这个和vgg一样） （别人大部分用avgpooling 糊掉了 他们糊掉了没想到全部用maxpooling吗？）
数据增强，随机地从256256的原始图像中截取224*224大小的区域

和vgg简单比较
alex要8h vgg要3天
vgg更深 更细致，准确率高15百分点