写在前面： 首先感谢兄弟们的关注和订阅，让我有创作的动力，在创作过程我会尽最大能力，保证作品的质量，如果有问题，可以私信我，让我们携手共进，共创辉煌。
在上一篇博文中我们对AlexNet网络模型的结构进行了剖析，本篇博文，我们将使用PyTorch搭建AlexNet实现花卉识别，附完整的项目代码和数据集，可以说是全网最详细的手把手教程，初学者可以很好的入门，其他研究者可以加深AlexNet的理解。
先看本项目训练的AlexNet模型的识别效果：
AlexNet以很大的优势赢得了ImageNet 图像识别挑战赛冠军，准确率远超第二名（top5错误率为15.3%，第二名为26.2%）。AlexNet首次证明了卷积神经网络学习到的特征可以超越手工设计的特征，从而一举打破计算机视觉研究的前状，引起了很大的轰动，AlexNet可以说是具有历史意义的一个网络结构。
本文基于PyTorch深度学习框架搭建AlexNet，并用于花卉图像识别，是一个很有意义的教程，希望大家可以学会训练图像分类模型的流程以及套路，更深层次的了解AlexNet网络结构。
图像分类项目实战往期回顾：
【图像分类】基于yolov5的钢板表面缺陷分类(附代码和数据集)
【图像分类】卷积神经网络之AlexNet网络模型实现花卉图像识别（附代码和数据集 PyTorch框架）
