AlexNet模型介绍 AlexNet是由Hinton等人于2012年提出的深度学习模型，该模型通过在ImageNet数据集上的表现引起了广泛的关注。它是一个卷积神经网络（CNN），由五个卷积层和三个全连接层组成。AlexNet模型的主要贡献是引入了ReLU激活函数和Dropout正则化，这些技术在当时都是新颖的。 AlexNet模型架构 AlexNet模型的架构包括五个卷积层和三个全连接层。第一层是一个卷积层，它包括96个卷积核，每个卷积核的大小为11x11。第二层是一个池化层，它的步幅为2