CNN 领域的经典之作， 作者训练了一个面向数量为 1.2 百万的高分辨率的图像数据集ImageNet， 图像的种类为1000 种的深度卷积神经网络。并在图像识别的benchmark数据集上取得了卓越的成绩。
该神经网络有6千万个参数，650，000个神经元。包含了五个卷积层（卷积操作层和下采样层统称之为卷积层）， 和三个全连接层。 为了使得训练更快，让网络实现在GPU上进行卷积操作运算，为了减小overfitting， 全连接层引入一个最近兴起的方法：dropout。下面是整个网络的大致介绍：
如图，其中第一层为输入层，就是一张224X224X3的image， 首先进行的是卷积层，kernel 是11X11X3的， 那么每11X11的图像大小范围被卷积操作成为一个新的像素点的一个信道。卷积的步长为4， 说明224 X 224 被卷积成为是 55X55 的大小， 因为卷积核有96个，上下平分（因为被分到不同的GPU进行运算），所以第二层是 55X55X48 的新的层。
(1), Relu非线性操作：
我们知道在浅层神经网络中， 引入非线性操作（也叫激活函数 active function），可以增强神经网络的泛化能力，使得神经网络更加robusting。但是在深层网络中，使用tanh函数，作为激活函数，增加了大量的计算，使得训练更加慢了，引入Hinton的Rectified Linear units (Relu) 来作为激活函数，
Relu(x) = max(0, x)
(2), 在多GPU上进行运算
因为整个神经网络的训练是卷积之间的操作基本是独立的，所以可以采用独立的两个GPU进行运算，增快训练的速度。
(3), Normalization
为了不让某一些kernel的weight变得很大，要对不同的kernel进行Normalization。
（为什么weight不能很大，如果某一个kernel 的weight变得很大的话，它的权值稍微变化则会引起很大的影响，那会重点改变它的weight而忽视其他太小weight的kernel）
其中， k, n, alpha, beta 这些常量都是“可调参数”， 由最好的validation set决定（难怪被人说成是调参党）
(4), 对下采样层进行Overlapping Pooling
传统的下采样是不重叠的，但是为了精确性，使得识别度更高，对Pooling层进行Overlapping Pooling。
这么庞大的神经网络，这么多参数，很容易陷入overfitting的，减少overfitting的方式有两种Data Augmentation 和 Dropout
(5), Data Augmentation
最常用的方法是：增大数据集的量，Label-preserving transformation. 本文中使用了两种Data Augmentation的方法，第一个是产生图片transformation和水平转换。因为有些图像进行水平转换是一致的，还有的操作是缩放操作（SIFT中算法的思想），旋转操作（可以增强物体识别的robustness）等。
第二种是改变训练图片的RGB的强度。 对图片中每一个RGB像素点进行一种变换，通过类似PCA的方法，求出特征向量和特征值，来提取主元
其中三个Alpha值对应image的三个channel，一张图片的每个像素都使用这个特定的随机值进行提取主元。
按照论文所说的，这种方法获取了image的天然特性，该特征对光照强度和光照颜色保持鲁棒性。
(6), Dropout
在全连接层，对有些隐层的神经元的输出置为0，对每个神经元输出置为0的概率是0.5，Dropout的神经元不会对前向传播操作造成影响，也退出了反向传导权值修正。这样即可以提高训练效率，也防止了overfitting。
本文的神经网络在前面的两个全连接层进行Dropout，有效防止了overfitting。
（7）， 训练的过程
每个batch使用128个样本进行训练，设置好动量参数，权值decay， 学习率， 等参数。
对于全连接层：
类似浅层神经网络的训练，反向传播，权值修正。BP算法对每一个weight进行反向修正，根据误差函数对权值的偏导，进行负梯度下降的训练。
对于卷积层：
矩阵权值修正， 这里涉及到BP算法的二维应用。 卷积层首先在训练之前是随机化处理（随机化应该也是有技巧的随机化）。
评论：
CNN真的是一个充满前景的深度网络， 从不同的角度和不同的方式去提取特征，尽可能地去提取图片中的信息，同时，还需要很多的训练技巧，防止overfitting。最近的参与到openface的训练，体会到了这两个至关重要的point。