模型实战（6）之Alex实现图像分类：模型原理+训练+预测（详细教程！）

Alex实现图像分类：模型原理+训练+预测

• 图像分类或者检索任务在浏览器中的搜索操作、爬虫搜图中应用较广，本文主要通过Alex模型实现猫狗分类，并且将可以复用的开源模型在文章中给出！！！
• 数据集可以由此下载：Data
• 本文将从以下内容做出讲述：
  • 1.模型简介及环境搭建
  • 2.数据集准备
  • 3.训练
  • 4.预测

1. 模型简介及环境搭建

• 模型介绍：
  AlexNet是由Alex Krizhevsky 提出的首个应用于图像分类的深层卷积神经网络，该网络在2012年ILSVRC（ImageNet Large Scale Visual Recognition Competition）图像分类竞赛中以15.3%的top-5测试错误率赢得第一名。也是在那年之后，更多的更深的神经网络被提出，比如优秀的vgg,GoogLeNet。 这对于传统的机器学习分类算法而言，已经相当的出色。网络结构如下
  

AlexNet将LeNet的思想发扬光大，把CNN的基本原理应用到了很深很宽的网络中。AlexNet主要使用到的新技术点如下：

---