为何AlexNet被称为8层深度卷积神经网络，实际检测有25层？

AlexNet是一个深度为8层的卷积神经网络。

二者的表述差异本质是两种不同的网络层数统计规则导致的，具体差异如下：

• 8层的学术统计口径：这是深度学习领域描述网络深度的传统标准，仅统计包含可训练权重参数的层。AlexNet的可训练层共8个，分别为5个卷积层、3个全连接层。ReLU激活层、池化层、LRN归一化层、Dropout层、输入层、Softmax输出层等无独立可训练参数的运算单元，均不会被计入该统计口径，原AlexNet论文与Matlab官方文档均采用了该规则。
• 25层的框架统计口径：你使用analyzeNetwork()得到的25层，是深度学习框架面向计算图展示的全量计数规则，会把计算流中每一个独立的运算节点都算作单独一层。除了上述8个可训练层外，所有激活、池化、归一化、Dropout、输入输出层都会被单独计数，最终汇总为25层，方便开发者直观查看完整的网络运算流程。

内容的提问来源于stack exchange，提问作者Bartosz Jasiński