生成该权重代码： import torch import torchvision # use Trace to export onnx model dummy_input = torch.randn(10, 3, 224, 224, device='cuda') # 定义模型的输入shape model = torchvision.models.alexnet(pretrained=True).cuda() # if delete cuda(), will generate onnx model with no cuda. input_names = ['inputs'] output_names = ['outputs'] torch.onnx.export(model, dummy_input, f='alexnet.onnx', verbose=True, input_names=input_names, output_names=output_names, opset_version=10)

本文介绍了如何在pytorch下搭建AlexNet，使用了两种方法，一种是直接加载预训练模型，并根据自己的需要微调（将最后一层全连接层输出由1000改为10），另一种是手动搭建。 构建模型类的时候需要继承自torch.nn.Module类，要自己重写__ \_\___init__ \_\___方法和正向传递时的forward方法，这里我自己的理解是，搭建网络写在__ \_\___init__ \_\___中，每次正向传递需要计算的部分写在forward中，例如把矩阵压平之类的。 加载预训练alexnet之后，可以print出来查看模型的结构及信息： model = models.alexn

AlexNet的论文笔记总结，比阅读原文要简单一些，加入了自己的思考

AlexNet 是 Alex Krizhevsky、Ilya Sutskever 和 Geoffrey Hinton 创造了一个“大型的深 度卷积神经网络”，赢得了 2010 和 2012 ILSVRC（2012 年 ImageNet 大规模视觉识别挑战 赛）。2012 年是 CNN 首次实现 Top 5 误差率 15.4%的一年（Top 5 误差率是指给定一张图 像，其标签不在模型认为最有可能的 5 个结果中的几率），当时的第二名误差率为 26.2%。 我们可以看出性能提升相当大。AlexNet 也是深度学习和神经网络的重新崛起转折点。正是 由于 AlexNet 在 ImageNet 竞赛中夺冠，深度学习正是进入学术界的视野。

基于FPGA的Alexnet局部响应归一化函数实现，邱宇，别红霞，凭借低基于FPGA的Alexnet局部响应归一化函数实现基于FPGA的Alexnet局部响应归一化函数实现功耗和并行计算的特性，FPGA实现Alexnet前向网络成

Pytorch实现AlexNet模型在CIFAR10数据集上的测试。ipynb文件，包含了完整的训练、测试输出数据。

InceptionTime：查找AlexNet进行时间序列分类 这是我们题为《 论文》（ ）的配套资料库，该论文发表在，也可在。 起始模块 数据 该项目中使用的数据来自。 我们使用了列出的85个数据集。 要求 您将需要安装文件中存在的以下软件包。 代码 代码划分如下： python文件包含运行实验所需的代码。 文件夹包含必要的功能，以读取数据集并可视化绘图。 文件夹包含两个python文件：（1） inception.py包含初始网络； （2） nne.py包含集成了一组Inception网络的代码。 为您的PC修改代码 您应该首先考虑更改以下行。 这是所有内容（数据和结果）的根文件，我们称之为root_dir 。 之后，您应该在root_dir内创建一个名为archives的文件夹，其中应包含文件夹UCR_TS_Archive_2015 。 后者将为每个数据集包含一个名为da

这个演示展示了如何创建、训练和评估基于 AlexNet 的全卷积网络进行语义分割。MATLAB 和计算机视觉系统工具箱提供了 fcnLayers 函数来创建 FCN，但这是基于 VGG-16 的 FCN。如果你想使用更低的计算网络成本，FCN-AlexNet 可能是选择之一。 基于 AlexNet 的 FCN 语义分割演示。 了解如何定义基于 AlexNet 的 FCN、学习和评估您的网络。 Computer Vision System Toolbox 提供了一个名为 fcnLayers 的函数，它可以很容易地定义 FCN，但这是一个基于 VGG-16 的网络。当您由于计算成本而想尝试更紧凑的网络时，或者当您想尝试基于 VGG-16 以外的网络作为性能比较标准的 FCN 时，请尝试。 [键控]图像处理、分割、深度学习、深度学习、演示、IPCV演示、神经网络

该资源为论文原文和我自己翻译的alexnet论文。 AlexNet是2012年ImageNet竞赛冠军获得者Hinton和他的学生Alex Krizhevsky设计的。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。

凯拉斯·阿历克斯（Keras-Alexnet） 组件 alexnet.py在CIFAR-100数据集上构建，训练和测试模型 gradcam.py加载alexnet模型，对来自测试数据集的随机样本进行预测，产生引导式grad-cam可视化效果。 参考