PaddlePaddle 1.7实现AlexNet

2012年，Alex Krizhevsky等人提出了一种名为AlexNet的深度卷积神经网络，并将其成功应用于大规模图像数据集ImageNet。该模型在当年的ImageNet大规模视觉识别挑战赛（ILSVRC）中取得显著优势，一举夺得冠军，标志着深度学习在计算机视觉领域的重大突破，也推动了神经网络在图像识别任务中的广泛应用和发展。

1、 首先导入所需包，不同环境下的导入方式略有差异。

2、 第二步是构建模型，1.6与1.7版本的主要差异在于：1.6需手动设定name_scope，而1.7版本已无需显式指定该参数。

3、 第三步是输出各自参数并进行对比，此过程包含两个具体操作。

4、 对比两版本参数是否相同

5、 保留了1.6版的设置参数

6、 第四步检查参数维度，确认形状完全匹配。

7、 将第三步生成的初始化参数保存至本地，确保两个网络的初始参数值保持一致。

8、 第六步：加载本地参数，确保双网使用相同配置。

9、 第七步，调整网络结构并加载初始参数

10、 第八步，核对结果是否一致

11、 第九步，核对第八步输出结果，确认一致后完成升级。