深度卷积神经网络在ImageNet数据库上的分类

的四层卷积神经网络（实线）在CIFAR-10数据集上达到

神经元的同等网络（虚线）快六倍。每个网络的学习速率是独立选取的，以使得训练尽可能快。没有使用任何形式的正则化。这里演示的效果因网络结构的不同而的网络学习始终比带饱和神经元的同等网络快好几倍。

图2：CNN体系结构示意图，明确显示了两个GPU之间的职责划分。一个GPU运行图中顶部的层次部分，而另一个GPU运行图中底部的层次部分。GPU之间仅在某些层互相通信。该网络的输入是150,528维的，且该网络剩下各层的神经元数分别

ILSVRC-2012验证集与测试集上的误差率比较。斜体字是由他人取得的最好结

Figure 2: An illustration of the architecture of our CNN, explicitly showing the delineation of responsibilities between the two GPUs. One GPU runs the layer-parts at the top of the figure while the other runs the layer-parts at the bottom. The GPUs communicate only at certain

Table 2: Comparison of error rates on ILSVRC-2012 validation and test sets. In italics are best