经典论文阅读(1)-AlexNet

最新推荐文章于 2025-03-15 22:04:00 发布

kabuto_hui

最新推荐文章于 2025-03-15 22:04:00 发布

阅读量2.7k

点赞数 1

分类专栏：深度学习论文阅读

本文链接：https://blog.csdn.net/kabuto_hui/article/details/88742406

版权

论文阅读同时被 2 个专栏收录

25 篇文章

订阅专栏

深度学习

21 篇文章

订阅专栏

文章目录

0. 前言

AlexNet是深度学习领军任务Geoffrey Hinton教授的学生Alex Krizhevsky提出来的。AlexNet在ILSVRC 2012竞赛中以压倒性的成绩获得了冠军。AlexNet是一个具有突破性意义的模型，在他之前，神经网络和深度学习都陷入了长时间的瓶颈期。AlexNet一经问世就统治了整个图像识别领域。直至今日，AlexNet也依然是效果出色且具有启发意义的网络结构。

论文原文：ImageNet Classification with Deep Convolutional Neural Networks

1. AlexNet结构

AlexNet是一个8层的网络结构，前五层为卷积层，后3层为全连接层。且使用了2张GPU(GTX 580, 3GB)。只有第3个卷积层和全连接层需要接收来自两张GPU的前一层的所有输出。其余各层都是只接收来自于同一个GPU的上一层的输出。

卷积层1：卷积核： $11 * 11 * 3$ ，卷积核数量：96

卷积层2：卷积核： $5 * 5 * 96$ ，卷积核数量：256

卷积层3：卷积核： $3 * 3 * 256$ ，卷积核数量：384

卷积层4：卷积核： $3 * 3 * 384$ ，卷积核数量：384

卷积层5：卷积核： $3 * 3 * 384$ ，卷积核数量：256

全连接层1：4096

全连接层2：4096

全连接层3：1000

[1]所有层的激励函数全部为：Relu(Rectified Linear Units)；

[2]第1、2、5卷积层有最大池化Max Pooling，第3、4卷积层没有；

[3]第1、2卷积层需要LRN处理；

[4]第3卷积层和所有的全连接层都是接受上一层两个GPU的特征图，而其余各层都是接收来自于同一个GPU上一层的特征图。

用TensorBoard可以很方便的查看AlexNet的网络结构：

2. 关于Relu激励函数

Relu全称为Rectified Linear Units，修正线性单元，其表达式为：
$R e l u = m a x (0, x)$
与传统的饱和非线性激活函数如Sigmoid和tanh(x)相比，Relu在卷积神经网络中能获得更快的速度，几乎是饱和非线性激活函数的6倍。主要结局了在网络较深的时候，饱和非线性激活函数的梯度弥散问题。

3. 关于避免过拟合的手段

3.1 重叠池化(Overlapping Pooling)

在池化时，通常都是不重叠的。而在AlxeNet中，提出了一种重叠池化的方式，让池化的步长小于池化核的大小，那么在池化的过程中就会有重叠。实验验证了这种有重叠的池化方式能避免过拟合。

3.2 数据增加(Data Augmentation)

数据增加的方式主要有图像平移和水平翻转。所谓图像平移就是从大小为 $256 * 256$ 的图片中随机提取 $224 * 224$ 的图片及其水平翻转，这样可以使得数据集扩大2048倍。

在测试阶段，网络预测的结果是这张图片四个角和中心提取出来的5张图片及其水平翻转共计10张图片预测结果的平均。

此外，还有增加训练集中各图片在RGB通道上的强度。对于每一个RGB图片上的像素点 $I_{xy}=[I_{xy}^R, I_{xy}^G, I_{xy}^B]^T$ 需要加上如下的量：
$I_{xy} ：= I_{xy}+[p_1, p_2, p_3][\alpha_1 \lambda_1+\alpha_2 \lambda_2+\alpha_3 \lambda_3]^T$
其中 $p_i$ 和 $\lambda_i$ 是第i个RGB像素协方差矩阵 $I_{xy}^R, I_{xy}^G, I_{xy}^B]^T[I_{xy}^R, I_{xy}^G, I_{xy}^B]$ 大小为 $3 * 3$ 的特征向量和特征值。 $\alpha_i$ 是一个随机值，满足均值为0方差为0.1的高斯分布。

3.3 Dropout

使每个隐藏层中的神经元以0.5的概率等于0，当该神经元输出为0时，在前向传播中该神经元不产生作用。在每次迭代时，所得到的网络结构都不一样。在测试的时候，需要给每个隐藏层的神经元的输出乘以0.5，去近似dropout网络预测分布的几何平均。

Dropout在AlexNet中只出现在全连接层的1，2层

4. AlexNet实现

实现AlexNet可以使用tflearn库：

import tflearn
from tflearn.layers.core import input_data, dropout, fully_connected
from tflearn.layers.conv import conv_2d, max_pool_2d
from tflearn.layers.estimator import regression
import tflearn.datasets.oxflower17 as oxflower17

import numpy as np

def loadData():
    '''
    获取数据集
    '''
    X, Y = oxflower17.load_data(dirname='17flowers/', one_hot=True, resize_pics=(227, 227))
    return X, Y

def convLayer(network, para):
    '''
    定义卷积层
    @param network:网络
    @param para： 该层的参数
    '''
    for i in range(1, 6):
        network = conv_2d(network, para[i]['kernel_para'][1], para[i]['kernel_para'][0], strides=para[i]['kernel_para'][2], activation=para[i]['activa'])
        if para[i]['isPool']:
            network = max_pool_2d(network, para[i]['pool_para'][0], strides=para[i]['pool_para'][1])

    return network

def fcLayer(network, para):
    '''
    定义全连接层
    @param network : 网络
    @param para: 全连接层参数
    '''
    for i in range(1, 4):
        network = fully_connected(network, para[i]['nNode'], activation=para[i]['activa'])
        if para[i]['isDropout']:
            network = dropout(network, para[i]['keep_prob'])

    return network

使用上述的几个简单函数，构建AlexNet：

def AlexNet():
    # 定义输入
    network = input_data(shape=[None, 227, 227, 3])

    # 定义卷积层
    conv_para = {1: {'kernel_para': [11, 96, 4], 'activa': 'relu', 'isPool': True, 'pool_para': [3, 2]},  # 第一层：卷积核11*11，输出96个特征图，strides为4; 池化3*3，步长为2
            2: {'kernel_para': [5, 256, 1], 'activa': 'relu', 'isPool': True, 'pool_para': [3, 2]},  # 第二层：卷积核5*5，输出256个特征图，strides为1; 池化3*3，步长为2
            3: {'kernel_para': [3, 384, 1], 'activa': 'relu', 'isPool': False},                      # 第三层：卷积核3*3，输出384个特征图，strides为1,不池化
            4: {'kernel_para': [3, 384, 1], 'activa': 'relu', 'isPool': False},                      # 第四层：卷积核3*3，输出384个特征图，strides为1,不池化
            5: {'kernel_para': [3, 256, 1], 'activa': 'relu', 'isPool': True, 'pool_para': [3, 2]}   # 第五层：卷积核3*3，输出256个特征图，strides为1; 池化3*3，步长为2
            }

    network = convLayer(network, conv_para)

    # 定义全连接层
    fc_para = {1: {'nNode': 4096, 'activa': 'tanh', 'isDropout': True, 'keep_prob': 0.5},  # 第一层： 4096个节点，激励函数为tanh, dropout:0.5
               2: {'nNode': 4096, 'activa': 'tanh', 'isDropout': True, 'keep_prob': 0.5},  # 第二层： 4096个节点，激励函数为tanh, dropout:0.5
               3: {'nNode': 17, 'activa': 'softmax', 'isDropout': False}                   # 第一层： 4096个节点，激励函数为tanh, dropout:0.5
               }

    network = fcLayer(network, fc_para)

    return network

开始训练AlexNet模型：

if __name__ == '__main__':
    X, Y = loadData()

    network = AlexNet()

    # 定义优化算法和损失函数
    network = regression(network, optimizer='momentum', loss='categorical_crossentropy', learning_rate=0.001)

    # Training
    model = tflearn.DNN(network, checkpoint_path='model_alexnet', max_checkpoints=1, tensorboard_verbose=2, tensorboard_dir='logs/')

    model.fit(X, Y, n_epoch=1, validation_set=0.1, shuffle=True, show_metric=True, batch_size=64, snapshot_step=200, snapshot_epoch=False, run_id='alexnet_oxflowers17')

---------------------------------
Run id: alexnet_oxflowers17
Log directory: logs/
---------------------------------
Training samples: 1224
Validation samples: 136
–
Training Step: 1 | time: 14.174s
| Momentum | epoch: 001 | loss: 0.00000 - acc: 0.0000 – iter: 0064/1224
Training Step: 2 | total loss: 2.67125 | time: 26.990s
| Momentum | epoch: 001 | loss: 2.67125 - acc: 0.0281 – iter: 0128/1224
Training Step: 3 | total loss: 2.99733 | time: 39.316s
| Momentum | epoch: 001 | loss: 2.99733 - acc: 0.0562 – iter: 0192/1224
Training Step: 4 | total loss: 2.93764 | time: 52.385s
| Momentum | epoch: 001 | loss: 2.93764 - acc: 0.0492 – iter: 0256/1224
Training Step: 5 | total loss: 3.02957 | time: 66.853s
| Momentum | epoch: 001 | loss: 3.02957 - acc: 0.0692 – iter: 0320/1224