这个图就看起来很舒服了，不仅告诉你每一个卷积层的卷积核大小以及通道数，而且连输出的图片尺寸是咋算出来的都告诉了，阅读体验极佳，当然这个图的出处我会放在最后，大家可以去原博客里面去看一下。
网络的大致结构已经放在这里了，那接下来我们就对每一个模块进行一个简单的介绍吧。由于原论文中并没有对每一个层进行命名，因此我们按照下面的方式对模型的每一层进行命名：
所有的卷积层以C开头，后面的数字表示第几个卷积层，比如C3是第三个卷积层，并且不代表这是网络的第三层
所有的池化层以S开头，数字的含义同上
所有的全连接层以F开头，数字含义同上
所有的LRN标准化层以N开头，数字含义同上
命名方式搞定，下面我们来看一下每一个层的具体结构吧
C1层之前我们提到过，输入图片的实际尺寸是[3, 224, 224]。并且在论文中提到，在作卷积的时候使用的卷积核的尺寸是11，虽然没有说明使用这个尺寸的目的，但是大致来看目的是在于让C1层能够尽可能地提取到足够的信息，从而让之后的卷积层能够提取到足够的组合信息。并且论文中提到，使用的移动步长stride为4，这一步长恰好使得感受野之间的距离也恰好是4。这样选取的目的在论文中并没有提及，在我看来有两个目的：首先是采用较大的步长，这样在卷积核较大的条件下依然可以保持一个较小的计算量，并且尽量降低输出特征图的尺寸；其次，采取较大的步长，使得卷积核取得的特征之间重叠较少，更有利于之后的处理获得更加多样的特征。
关于C1层的输出特征图的尺寸，从论文中给出的图解来看应该是55×55，结合卷积核的尺寸和步长，卷积使用的padding = 2，输出的特征图的channel数应该是96。
因此综合来看，在C1层使用的参数应如下：
in_channels: 3
out_channels: 96
kernel_size: 11
stride: 4
padding: 2
卷积层由于Pytorch已经提供了类供我们调用，因此在这里就不附代码了。但是在这里需要注意的是，论文里提到在C1层会进行初始化处理，初始化的方法为：
权重：使用均值为0，标准差为0.01的正态分布进行随机采样
偏置：全部设置为0
关于权重的初始化问题，由于论文中指定的参数初始化方法是需要满足N(0, 0.01^2)，而之前我们使用的randn是满足的N(0, 1)的标准正态分布，为了能够让初始化的参数满足我们的要求，我们需要使用另一个初始化的函数：
torch.normal(mean, std)这个函数的mean和std最好是tensor，随机生成的tensor的维度和mean以及std的维度一致，并且每一个元素都是满足对应位置的N(mean, std^2)的分布。
举个例子：
a=torch.normal(torch.tensor([0,1,2], torch.tensor([1,1,1])))那么a[0] ~ N(0, 1)，a[1] ~ N(1, 1)，a[2] ~ N(2, 1)
论文提到，所有的权重都是一样的设置，所以我们可以之后整体用一个函数遍历，但是偏置的问题，好几个层是0，好几个层是1（作者是真的事多┓(\'∀\')┏），所以我们将偏置的设置放在C1层的定义之后：
self.C1.bias.data = torch.zeros(self.C1.bias.data.size())关于这样的定义方式其实我们早就接触过很多了，只不过之前我们的写的时候使用一个循环，而且设置的不是偏置（bias）而是权重（weight），所以相关的内容建议大家看一下我的LeNet-1989这篇博客，里面对这个代码的含义有简单的介绍。
论文里说明，在C1层之后使用ReLU作为激活函数，关于这个激活函数的特点，将在后面的章节中简单解释，在这里就不啰嗦啦。
顺便提一下，经过C1层之后，特征图的尺寸为[96, 55, 55]
N1层（LRN）由于激活函数使用的是ReLU函数，这个函数是没有上界的，这很有可能导致最后通过激活函数输出的数据分布过于极端。与此同时，论文的作者发现，对数据进行Normalize处理将有利于提高模型的泛化性能，降低过拟合的风险。所以在论文中作者提出了一个标准化方法，就是这里的LRN了。标准化使用的计算方法如下所示：
\[b^i_{x,y}=a^i_{x,y}/(k+{\alpha}\sum^{min(N-1,i+n/2)}_{j=max(0,i-n/2)}(a^j_{x,y})^2)^{\beta} \]