深度学习——残差网络(ResNet)
前言
随着设计越来越深的网络,深刻理解“新添加的层如何提升神经网络的性能”变得至关重要。更重要的是设计网络的能力,在这种网络中,添加层会使网络更具表现力, 为了取得质的突破,我们需要一些数学基础知识。
本章主要学习残差网络
参考书:
《动手学深度学习》
一、函数类
首先,假设有一类特定的神经网络架构 F \mathcal{F} F,它包括学习速率和其他超参数设置。对于所有 f ∈ F f \in \mathcal{F} f∈F,存在一些参数集(例如权重和偏置),这些参数可以通过在合适的数据集上进行训练而获得。
现在假设 f ∗ f^* f∗是我们真正想要找到的函数,如果是 f ∗ ∈ F f^* \in \mathcal{F} f∗∈F,那我们可以轻而易举的训练得到它,但通常我们不会那么幸运。
相反,我们将尝试找到一个函数 f F ∗ f^*_\mathcal{F} fF∗,这是我们在 F \mathcal{F} F中的最佳选择。
例如,给定一个具有 X \mathbf{X} X特性和 y \mathbf{y} y标签的数据集,我们可以尝试通过解决以下优化问题来找到它:
f F ∗ : = a r g m i n f L ( X , y , f ) subject to f ∈ F . f^*_\mathcal{F} := \mathop{\mathrm{argmin}}_f L(\mathbf{X}, \mathbf{y}, f) \text{ subject to } f \in \mathcal{F}. fF∗:=argminfL(X,y,f) subject to f∈F.
那么,怎样得到更近似真正 f ∗ f^* f∗的函数呢?
唯一合理的可能性是,我们需要设计一个更强大的架构
F
′
\mathcal{F}'
F′。
换句话说,我们预计
f
F
′
∗
f^*_{\mathcal{F}'}
fF′∗比
f
F
∗
f^*_{\mathcal{F}}
fF∗“更近似”。
然而,如果
F
⊈
F
′
\mathcal{F} \not\subseteq \mathcal{F}'
F⊆F′,则无法保证新的体系“更近似”。事实上,
f
F
′
∗
f^*_{\mathcal{F}'}
fF′∗可能更糟:
如图中所示,对于非嵌套函数类,较复杂的函数类并不总是向“真”函数
f
∗
f^*
f∗靠拢(复杂度由
F
1
\mathcal{F}_1
F1向
F
6
\mathcal{F}_6
F6递增)。虽然
F
3
\mathcal{F}_3
F3比
F
1
\mathcal{F}_1
F1更接近
f
∗
f^*
f∗,但
F
6
\mathcal{F}_6
F6却离的更远了。
相反对于 图中右侧的嵌套函数类
F
1
⊆
…
⊆
F
6
\mathcal{F}_1 \subseteq \ldots \subseteq \mathcal{F}_6
F1⊆…⊆F6,可以避免上述问题。
因此,只有当较复杂的函数类包含较小的函数类时,我们才能确保提高它们的性能。
对于深度神经网络,如果我们能将新添加的层训练成恒等映射
f
(
x
)
=
x
f(\mathbf{x}) = \mathbf{x}
f(x)=x,新模型和原模型将同样有效。
同时,由于新模型可能得出更优的解来拟合训练数据集,因此添加层似乎更容易降低训练误差。
针对这一问题,何恺明等人提出了残差网络(ResNet),其核心思想是:每个附加层都应该更容易地包含原始函数作为其元素之一。
于是,残差块(residual blocks)便诞生了,
也就是说:在残差块中,每个层的输入不仅包含前一层的输出,还包含了原始输入。这样做的目的是让网络学习到残差(即当前层的输出与原始输入之间的差异)。
二、残差块
右图是ResNet的基础架构–残差块。 在残差块中,输入可通过跨层数据线路更快地向前传播。
ResNet沿用了VGG完整的 3 × 3 3\times 3 3×3卷积层设计。 残差块里首先有2个有相同输出通道数的 3 × 3 3\times 3 3×3卷积层。
每个卷积层后接一个批量规范化层和ReLU激活函数。 然后我们通过跨层数据通路,跳过这2个卷积运算,将输入直接加在最后的ReLU激活函数前。
这样的设计要求2个卷积层的输出与输入形状一样,从而使它们可以相加。
如果想改变通道数,就需要引入一个额外的
1
×
1
1\times 1
1×1卷积层来将输入变换成需要的形状后再做相加运算。
残差块的实现如下:
import torch
from torch import nn
from d2l import torch as d2l
from torch.nn import functional as F
#残差块的实现
class Residual(nn.Module):
def __init__(self,input_channels,num_channels,use_1x1conv= False,strides =1):
super().__init__()
self.conv1 = nn.Conv2d(input_channels,num_channels,kernel_size=3,padding=1,stride=strides)
self.conv2 = nn.Conv2d(num_channels, num_channels,
kernel_size=3, padding=1)
if use_1x1conv:
self.conv3 = nn.Conv2d(input_channels,num_channels,kernel_size=1,stride=strides)
else:
self.conv3 = None
self.bn1 = nn.BatchNorm2d(num_channels)
self.bn2 = nn.BatchNorm2d(num_channels)
def forward(self,X):
Y = F.relu(self.bn1(self.conv1(X)))
Y = self.bn2(self.conv2(Y))
if self.conv3:
X = self.conv3(X)
Y +=X
return F.relu(Y)
#查看输入和输出形状一致的情况
blk = Residual(3,3)
X = torch.rand(size=(4,3,6,6))
Y = blk(X)
print(Y.shape)
#也可以在增加输出通道数的同时,减半输出的高度和宽度
blk = Residual(3,6,use_1x1conv=True,strides=2)
print(blk(X).shape)
此代码生成两种类型的网络: 一种是当use_1x1conv=False时,应用ReLU非线性函数之前,将输入添加到输出。 另一种是当use_1x1conv=True时,添加通过1×1卷积调整通道和分辨率。
三、ResNet模型
ResNet的前两层跟之前介绍的GoogLeNet中的一样: 在输出通道数为64、步幅为2的7×7卷积层后,接步幅为2的3×3的最大汇聚层。 不同之处在于ResNet每个卷积层后增加了批量规范化层。
GoogLeNet在后面接了4个由Inception块组成的模块。 ResNet则使用4个由残差块组成的模块,每个模块使用若干个同样输出通道数的残差块。
"""
ResNet模型
"""
b1 = nn.Sequential(nn.Conv2d(1,64,kernel_size=7,stride=2,padding=3),
nn.BatchNorm2d(64),nn.ReLU(),
nn.MaxPool2d(kernel_size=3,stride=2,padding=1)
)
#注意,我们对第一个模块做了特别处理。
def resnet_block(input_channels,num_channels,num_residuals,first_block = False):
blk = []
for i in range(num_residuals):
if i ==0 and not first_block:
blk.append(Residual(input_channels,num_channels,use_1x1conv=True,strides=2))
else:
blk.append(Residual(num_residuals,num_channels))
return blk
#接着在ResNet加入所有残差块,这里每个模块使用2个残差块
b2 = nn.Sequential(*resnet_block(64,64,2,first_block=True))
b3 = nn.Sequential(*resnet_block(64,128,2))
b4 = nn.Sequential(*resnet_block(128, 256, 2))
b5 = nn.Sequential(*resnet_block(256, 512, 2))
#最后,与GoogLeNet一样,在ResNet中加入全局平均汇聚层,以及全连接层输出。
net = nn.Sequential(b1,b2,b3,b4,b5,nn.AdaptiveAvgPool2d((1,1)),
nn.Flatten(),nn.Linear(512,10))
#查看每个模块的输出形状
X = torch.rand(size=(1,1,224,224))
for layer in net:
X = layer(X)
print(layer.__class__.__name__,"输出形状为:\t",X.shape)
四、模型训练
#模型训练
lr,num_epochs,batch_size = 0.05,10,256
train_iter,test_iter = d2l.load_data_fashion_mnist(batch_size,resize=96)
d2l.train_ch6(net,train_iter,test_iter,num_epochs,lr,device=d2l.try_gpu())
d2l.plt.show()
五、小结
- 学习嵌套函数是训练神经网络的理想情况。在深层神经网络中,学习另一层作为恒等映射较容易(尽管这是一个极端情况)。
- 残差映射可以更容易地学习同一函数,例如将权重层中的参数近似为零。
- 利用残差块可以训练出一个有效的深层神经网络:输入可以通过层间的残余连接更快地向前传播。
总结
总之,残差网络通过残差映射学习到了输入与输出之间的差异;通过将输入与输出直接相加,实现了信息的跳跃连接;通过堆叠多个残差块来构建更深的网络,提高了网络的表达能力。
既以为人己愈有,既以与人己愈多。
–2023-10-15 进阶篇