目录
2.3 在小型全连接网络上训练(Fully-connected network)
1.卷积神经网络的概念及总结
1.1 CNN的基本结构
卷积神经网络(Convolutional Neural Network,CNN)是一种专门用于处理具有网格结构数据(如图像和音频)的深度学习模型。CNN在计算机视觉领域取得了巨大成功,并广泛应用于图像分类、目标检测、图像生成等任务。
CNN的核心思想是利用卷积层和池化层来提取输入数据中的空间结构特征,从而实现对图像中的物体、边缘等局部和全局信息的感知。
下面是卷积神经网络的几个主要组成部分和特点:
-
卷积层(Convolutional Layer):卷积层是CNN的核心组件,通过使用卷积操作在图像上滑动的一组滤波器(也称为卷积核或卷积矩阵)来提取局部特征。每个滤波器与输入图像的一个小区域进行逐元素相乘并求和,得到输出特征图。
-
池化层(Pooling Layer):池化层用于降低特征图的空间尺寸,并减少模型对位置变化的敏感性。常见的池化操作是最大池化(Max Pooling),它选择输入区域中的最大值作为输出,从而保留最显著的特征。
-
激活函数(Activation Function):CNN中的卷积层和全连接层通常在神经元输出之后应用激活函数,引入非线性特性。常用的激活函数包括ReLU、sigmoid、tanh等,用于增强模型的表示能力。
-
全连接层(Fully Connected Layer):在卷积层和输出层之间添加一个或多个全连接层,将卷积和池化后的特征图展平为一个向量,并将其与神经网络中的传统全连接层连接起来,用于进行最终的分类、回归等任务。
-
多层结构和参数共享:CNN通常由多个卷积层、激活函数、池化层和全连接层组成。参数共享是CNN的一个重要特点,即在卷积层中使用相同的权重(卷积核)来提取不同区域的特征,从而减少参数数量,提高模型的效率和泛化能力。
通过多层卷积和池化操作,CNN能够逐渐提取图像的低级特征(如边缘、纹理)到高级特征(如形状、对象),并通过全连接层进行最终的分类或回归预测。
1.2 典型的网络结构
-
AlexNet:AlexNet是在2012年ImageNet图像识别竞赛中取得突破性成果的卷积神经网络模型。它是首个成功应用于大规模图像数据集的深度卷积神经网络,并引入了重要的设计策略,如使用ReLU激活函数、局部响应归一化(LRN)和dropout。AlexNet的结构包括多个卷积层和池化层,以及全连接层,具有8个卷积层,5个池化层,3个全连接层和一个1000类的输出层。
-
VGG:VGG是由Visual Geometry Group开发的卷积神经网络模型。VGG的主要贡献是通过使用更小尺寸的卷积滤波器(3x3)和堆叠多个卷积层来提高网络性能。VGG以其深度和简单的架构结构而闻名,有16层和19层两个不同的版本。VGG在图像识别任务中取得了出色的结果,并提供了具有不同深度和复杂度的预训练模型。
-
GoogleNet(Inception):GoogleNet,也称为Inception网络,是由Google团队提出的一种深度卷积神经网络结构。GoogleNet通过引入Inception模块,使用不同大小的卷积核和池化操作,并将它们并行连接,从而提高了网络的计算效率和表示能力。GoogleNet通过减少参数数量和计算量,使得网络更深,并在2014年的ImageNet图像识别竞赛中获得了优异的性能。
-
ResNet:ResNet(Residual Network)是由Microsoft Research团队提出的一种深度残差网络结构。ResNet的关键思想是通过引入残差块(Residual Block)来解决深度网络中的梯度消失和退化问题。残差块通过引入跳跃连接,允许网络直接学习残差映射,从而更容易训练更深的网络。ResNet以其架构的深度和性能而闻名,成为图像分类和其他计算机视觉任务的关键模型。
2.使用CNN对MNIST 数据集分类
深度卷积神经网络中,有如下特性
- 很多层: compositionality
- 卷积: locality + stationarity of images
- 池化: Invariance of object class to translations
import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torchvision import datasets, transforms
import matplotlib.pyplot as plt
import numpy
# 一个函数,用来计算模型中有多少参数
def get_n_params(model):
np=0
for p in list(model.parameters()):
np += p.nelement()
return np
# 使用GPU训练,可以在菜单 "代码执行工具" -> "更改运行时类型" 里进行设置
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
2.1 加载数据 (MNIST)
PyTorch里包含了 MNIST, CIFAR10 等常用数据集,调用 torchvision.datasets 即可把这些数据由远程下载到本地,下面给出MNIST的使用方法:
torchvision.datasets.MNIST(root, train=True, transform=None, target_transform=None, download=False)
- root 为数据集下载到本地后的根目录,包括 training.pt 和 test.pt 文件
- train,如果设置为True,从training.pt创建数据集,否则从test.pt创建。
- download,如果设置为True, 从互联网下载数据并放到root文件夹下
- transform, 一种函数或变换,输入PIL图片,返回变换之后的数据。
- target_transform 一种函数或变换,输入目标,进行变换。
另外值得注意的是,DataLoader是一个比较重要的类,提供的常用操作有:batch_size(每个batch的大小), shuffle(是否进行随机打乱顺序的操作), num_workers(加载数据的时候使用几个子进程)
2.2 创建网络
定义网络时,需要继承nn.Module,并实现它的forward方法,把网络中具有可学习参数的层放在构造函数__init__中。
只要在nn.Module的子类中定义了forward函数,backward函数就会自动被实现(利用autograd)。
class FC2Layer(nn.Module):
def __init__(self, input_size, n_hidden, output_size):
# nn.Module子类的函数必须在构造函数中执行父类的构造函数
# 下式等价于nn.Module.__init__(self)
super(FC2Layer, self).__init__()
self.input_size = input_size
# 这里直接用 Sequential 就定义了网络,注意要和下面 CNN 的代码区分开
self.network = nn.Sequential(
nn.Linear(input_size, n_hidden),
nn.ReLU(),
nn.Linear(n_hidden, n_hidden),
nn.ReLU(),
nn.Linear(n_hidden, output_size),
nn.LogSoftmax(dim=1)
)
def forward(self, x):
# view一般出现在model类的forward函数中,用于改变输入或输出的形状
# x.view(-1, self.input_size) 的意思是多维的数据展成二维
# 代码指定二维数据的列数为 input_size=784,行数 -1 表示我们不想算,电脑会自己计算对应的数字
# 在 DataLoader 部分,我们可以看到 batch_size 是64,所以得到 x 的行数是64
# 大家可以加一行代码:print(x.cpu().numpy().shape)
# 训练过程中,就会看到 (64, 784) 的输出,和我们的预期是一致的
# forward 函数的作用是,指定网络的运行过程,这个全连接网络可能看不啥意义,
# 下面的CNN网络可以看出 forward 的作用。
x = x.view(-1, self.input_size)
return self.network(x)
class CNN(nn.Module):
def __init__(self, input_size, n_feature, output_size):
# 执行父类的构造函数,所有的网络都要这么写
super(CNN, self).__init__()
# 下面是网络里典型结构的一些定义,一般就是卷积和全连接
# 池化、ReLU一类的不用在这里定义
self.n_feature = n_feature
self.conv1 = nn.Conv2d(in_channels=1, out_channels=n_feature, kernel_size=5)
self.conv2 = nn.Conv2d(n_feature, n_feature, kernel_size=5)
self.fc1 = nn.Linear(n_feature*4*4, 50)
self.fc2 = nn.Linear(50, 10)
# 下面的 forward 函数,定义了网络的结构,按照一定顺序,把上面构建的一些结构组织起来
# 意思就是,conv1, conv2 等等的,可以多次重用
def forward(self, x, verbose=False):
x = self.conv1(x)
x = F.relu(x)
x = F.max_pool2d(x, kernel_size=2)
x = self.conv2(x)
x = F.relu(x)
x = F.max_pool2d(x, kernel_size=2)
x = x.view(-1, self.n_feature*4*4)
x = self.fc1(x)
x = F.relu(x)
x = self.fc2(x)
x = F.log_softmax(x, dim=1)
return x
定义训练和测试函数
# 训练函数
def train(model):
model.train()
# 主里从train_loader里,64个样本一个batch为单位提取样本进行训练
for batch_idx, (data, target) in enumerate(train_loader):
# 把数据送到GPU中
data, target = data.to(device), target.to(device)
optimizer.zero_grad()
output = model(data)
loss = F.nll_loss(output, target)
loss.backward()
optimizer.step()
if batch_idx % 100 == 0:
print('Train: [{}/{} ({:.0f}%)]\tLoss: {:.6f}'.format(
batch_idx * len(data), len(train_loader.dataset),
100. * batch_idx / len(train_loader), loss.item()))
def test(model):
model.eval()
test_loss = 0
correct = 0
for data, target in test_loader:
# 把数据送到GPU中
data, target = data.to(device), target.to(device)
# 把数据送入模型,得到预测结果
output = model(data)
# 计算本次batch的损失,并加到 test_loss 中
test_loss += F.nll_loss(output, target, reduction='sum').item()
# get the index of the max log-probability,最后一层输出10个数,
# 值最大的那个即对应着分类结果,然后把分类结果保存在 pred 里
pred = output.data.max(1, keepdim=True)[1]
# 将 pred 与 target 相比,得到正确预测结果的数量,并加到 correct 中
# 这里需要注意一下 view_as ,意思是把 target 变成维度和 pred 一样的意思
correct += pred.eq(target.data.view_as(pred)).cpu().sum().item()
test_loss /= len(test_loader.dataset)
accuracy = 100. * correct / len(test_loader.dataset)
print('\nTest set: Average loss: {:.4f}, Accuracy: {}/{} ({:.0f}%)\n'.format(
test_loss, correct, len(test_loader.dataset),
accuracy))
2.3 在小型全连接网络上训练(Fully-connected network)
2.4 在卷积神经网络上训练
通过上面的测试结果,可以发现,含有相同参数的 CNN 效果要明显优于 简单的全连接网络,是因为 CNN 能够更好的挖掘图像中的信息,主要通过两个手段:
- 卷积:Locality and stationarity in images
- 池化:Builds in some translation invariance
2.5 打乱像素顺序再次在两个网络上训练与测试
考虑到CNN在卷积与池化上的优良特性,如果我们把图像中的像素打乱顺序,这样 卷积 和 池化 就难以发挥作用了,为了验证这个想法,我们把图像中的像素打乱顺序再试试。
首先下面代码展示随机打乱像素顺序后,图像的形态:
重新定义训练与测试函数,写了两个函数 train_perm 和 test_perm,分别对应着加入像素打乱顺序的训练函数与测试函数。
与之前的训练与测试函数基本上完全相同,只是对 data 加入了打乱顺序操作。
# 对每个 batch 里的数据,打乱像素顺序的函数
def perm_pixel(data, perm):
# 转化为二维矩阵
data_new = data.view(-1, 28*28)
# 打乱像素顺序
data_new = data_new[:, perm]
# 恢复为原来4维的 tensor
data_new = data_new.view(-1, 1, 28, 28)
return data_new
# 训练函数
def train_perm(model, perm):
model.train()
for batch_idx, (data, target) in enumerate(train_loader):
data, target = data.to(device), target.to(device)
# 像素打乱顺序
data = perm_pixel(data, perm)
optimizer.zero_grad()
output = model(data)
loss = F.nll_loss(output, target)
loss.backward()
optimizer.step()
if batch_idx % 100 == 0:
print('Train: [{}/{} ({:.0f}%)]\tLoss: {:.6f}'.format(
batch_idx * len(data), len(train_loader.dataset),
100. * batch_idx / len(train_loader), loss.item()))
# 测试函数
def test_perm(model, perm):
model.eval()
test_loss = 0
correct = 0
for data, target in test_loader:
data, target = data.to(device), target.to(device)
# 像素打乱顺序
data = perm_pixel(data, perm)
output = model(data)
test_loss += F.nll_loss(output, target, reduction='sum').item()
pred = output.data.max(1, keepdim=True)[1]
correct += pred.eq(target.data.view_as(pred)).cpu().sum().item()
test_loss /= len(test_loader.dataset)
accuracy = 100. * correct / len(test_loader.dataset)
print('\nTest set: Average loss: {:.4f}, Accuracy: {}/{} ({:.0f}%)\n'.format(
test_loss, correct, len(test_loader.dataset),
accuracy))
在全连接网络上训练与测试:
在卷积神经网络上训练与测试:
从打乱像素顺序的实验结果来看,全连接网络的性能基本上没有发生变化,但是,卷积神经网络的性能明显下降。
这是因为对于卷积神经网络,会利用像素的局部关系,但是打乱顺序以后,这些像素间的关系将无法得到利用。
3.使用 CNN 对 CIFAR10 数据集分类
对于视觉数据,PyTorch 创建了一个叫做 totchvision 的包,该包含有支持加载类似Imagenet,CIFAR10,MNIST 等公共数据集的数据加载模块 torchvision.datasets 和支持加载图像数据数据转换模块 torch.utils.data.DataLoader。
下面将使用CIFAR10数据集,它包含十个类别:‘airplane’, ‘automobile’, ‘bird’, ‘cat’, ‘deer’, ‘dog’, ‘frog’, ‘horse’, ‘ship’, ‘truck’。CIFAR-10 中的图像尺寸为3x32x32,也就是RGB的3层颜色通道,每层通道内的尺寸为32*32。
首先,加载并归一化 CIFAR10 使用 torchvision 。torchvision 数据集的输出是范围在[0,1]之间的 PILImage,我们将他们转换成归一化范围为[-1,1]之间的张量 Tensors。
import torch
import torchvision
import torchvision.transforms as transforms
import matplotlib.pyplot as plt
import numpy as np
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
# 使用GPU训练,可以在菜单 "代码执行工具" -> "更改运行时类型" 里进行设置
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
transform = transforms.Compose(
[transforms.ToTensor(),
transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])
# 注意下面代码中:训练的 shuffle 是 True,测试的 shuffle 是 false
# 训练时可以打乱顺序增加多样性,测试是没有必要
trainset = torchvision.datasets.CIFAR10(root='./data', train=True,
download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=64,
shuffle=True, num_workers=2)
testset = torchvision.datasets.CIFAR10(root='./data', train=False,
download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=8,
shuffle=False, num_workers=2)
classes = ('plane', 'car', 'bird', 'cat',
'deer', 'dog', 'frog', 'horse', 'ship', 'truck')
下面展示 CIFAR10 里面的一些图片:
接下来定义网络,损失函数和优化器:
class Net(nn.Module):
def __init__(self):
super(Net, self).__init__()
self.conv1 = nn.Conv2d(3, 6, 5)
self.pool = nn.MaxPool2d(2, 2)
self.conv2 = nn.Conv2d(6, 16, 5)
self.fc1 = nn.Linear(16 * 5 * 5, 120)
self.fc2 = nn.Linear(120, 84)
self.fc3 = nn.Linear(84, 10)
def forward(self, x):
x = self.pool(F.relu(self.conv1(x)))
x = self.pool(F.relu(self.conv2(x)))
x = x.view(-1, 16 * 5 * 5)
x = F.relu(self.fc1(x))
x = F.relu(self.fc2(x))
x = self.fc3(x)
return x
# 网络放到GPU上
net = Net().to(device)
criterion = nn.CrossEntropyLoss()
optimizer = optim.Adam(net.parameters(), lr=0.001)
训练网络:
for epoch in range(10): # 重复多轮训练
for i, (inputs, labels) in enumerate(trainloader):
inputs = inputs.to(device)
labels = labels.to(device)
# 优化器梯度归零
optimizer.zero_grad()
# 正向传播 + 反向传播 + 优化
outputs = net(inputs)
loss = criterion(outputs, labels)
loss.backward()
optimizer.step()
# 输出统计信息
if i % 100 == 0:
print('Epoch: %d Minibatch: %5d loss: %.3f' %(epoch + 1, i + 1, loss.item()))
print('Finished Training')
现在我们从测试集中取出8张图片:
我们把图片输入模型,看看CNN把这些图片识别成什么:
byd把船和车识别成猫猫狗狗(bushi
看看网络在整个数据集上的表现:
准确率还可以,通过改进网络结构(通过改进网络规模,优化激活函数和调整优化器策略)可以提高网络的性能。
4.使用 VGG16 对 CIFAR10 分类
VGG是由Simonyan 和Zisserman在文献《Very Deep Convolutional Networks for Large Scale Image Recognition》中提出卷积神经网络模型,其名称来源于作者所在的牛津大学视觉几何组(Visual Geometry Group)的缩写。
该模型参加2014年的 ImageNet图像分类与定位挑战赛,取得了优异成绩:在分类任务上排名第二,在定位任务上排名第一。
VGG16的网络结构如下图所示:
16层网络的结节信息如下:
- 01:Convolution using 64 filters
- 02: Convolution using 64 filters + Max pooling
- 03: Convolution using 128 filters
- 04: Convolution using 128 filters + Max pooling
- 05: Convolution using 256 filters
- 06: Convolution using 256 filters
- 07: Convolution using 256 filters + Max pooling
- 08: Convolution using 512 filters
- 09: Convolution using 512 filters
- 10: Convolution using 512 filters + Max pooling
- 11: Convolution using 512 filters
- 12: Convolution using 512 filters
- 13: Convolution using 512 filters + Max pooling
- 14: Fully connected with 4096 nodes
- 15: Fully connected with 4096 nodes
- 16: Softmax
4.1. 定义 dataloader
此处对训练集的的transform操作加入了对图片的随机裁剪和概率水平翻转,以及归一化的各通道参数与之前的MNIST数据集也不相同
import torch
import torchvision
import torchvision.transforms as transforms
import matplotlib.pyplot as plt
import numpy as np
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
# 使用GPU训练,可以在菜单 "代码执行工具" -> "更改运行时类型" 里进行设置
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
transform_train = transforms.Compose([
transforms.RandomCrop(32, padding=4),
transforms.RandomHorizontalFlip(),
transforms.ToTensor(),
transforms.Normalize((0.4914, 0.4822, 0.4465), (0.2023, 0.1994, 0.2010))])
transform_test = transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.4914, 0.4822, 0.4465), (0.2023, 0.1994, 0.2010))])
trainset = torchvision.datasets.CIFAR10(root='./data', train=True, download=True, transform=transform_train)
testset = torchvision.datasets.CIFAR10(root='./data', train=False, download=True, transform=transform_test)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=128, shuffle=True, num_workers=2)
testloader = torch.utils.data.DataLoader(testset, batch_size=128, shuffle=False, num_workers=2)
classes = ('plane', 'car', 'bird', 'cat',
'deer', 'dog', 'frog', 'horse', 'ship', 'truck')
4.2 VGG网络定义
下面定义VGG网络
现在的结构基本上是:
64 conv, maxpooling,
128 conv, maxpooling,
256 conv, 256 conv, maxpooling,
512 conv, 512 conv, maxpooling,
512 conv, 512 conv, maxpooling,
softmax
下面是模型的实现代码:
class VGG(nn.Module):
def __init__(self):
super(VGG, self).__init__()
self.cfg = [64, 'M', 128, 'M', 256, 256, 'M', 512, 512, 'M', 512, 512, 'M']
self.features = self._make_layers(cfg)
self.classifier = nn.Linear(2048, 10)
def forward(self, x):
out = self.features(x)
out = out.view(out.size(0), -1)
out = self.classifier(out)
return out
def _make_layers(self, cfg):
layers = []
in_channels = 3
for x in cfg:
if x == 'M':
layers += [nn.MaxPool2d(kernel_size=2, stride=2)]
else:
layers += [nn.Conv2d(in_channels, x, kernel_size=3, padding=1),
nn.BatchNorm2d(x),
nn.ReLU(inplace=True)]
in_channels = x
layers += [nn.AvgPool2d(kernel_size=1, stride=1)]
return nn.Sequential(*layers)
初始化网络,根据实际需要,修改分类层。因为 tiny-imagenet 是对200类图像分类,这里把输出修改为200。
# 网络放到GPU上
net = VGG().to(device)
criterion = nn.CrossEntropyLoss()
optimizer = optim.Adam(net.parameters(), lr=0.001)
4.3 网络训练
for epoch in range(10): # 重复多轮训练
for i, (inputs, labels) in enumerate(trainloader):
inputs = inputs.to(device)
labels = labels.to(device)
# 优化器梯度归零
optimizer.zero_grad()
# 正向传播 + 反向传播 + 优化
outputs = net(inputs)
loss = criterion(outputs, labels)
loss.backward()
optimizer.step()
# 输出统计信息
if i % 100 == 0:
print('Epoch: %d Minibatch: %5d loss: %.3f' %(epoch + 1, i + 1, loss.item()))
print('Finished Training')
4.4 测试验证准确率
可见加入了更多卷积和池化操作的VGG网络在该数据集上的表现比CNN更好
5.问题理解
1.dataloader 里面 shuffle 取不同值有什么区别?
在 PyTorch 中的 DataLoader 中,shuffle 参数用于控制数据在每个 epoch(训练周期)中是否需要进行随机洗牌。shuffle 参数的不同取值会产生以下区别:
-
shuffle=True(默认值):当 shuffle 参数设置为 True 时,在每个 epoch 开始之前,数据会被随机洗牌,并以随机顺序进行训练。这对于随机梯度下降(SGD)等优化算法非常重要,它有助于避免模型受到数据样本顺序的影响,并更好地泛化到其他数据上。
-
shuffle=False:数据将按照原始顺序加载进 DataLoader,并且不进行任何洗牌。
2.transform 里,取了不同值,这个有什么区别?
ToTensor():将数据转换为张量(tensor)格式。
Normalize(mean, std):对张量进行标准化操作。这个转换会将输入的张量进行减均值除以标准差的操作,从而将数据归一化到均值为0、标准差为1的分布。mean 和 std 参数指定了每个通道的均值和标准差。
Resize(size):调整图像大小。这个转换将输入的图像调整为指定的尺寸大小,可以是一个整数或元组。
CenterCrop(size):对图像进行中心裁剪。这个转换会在图像的中心位置裁剪出指定尺寸的图像。通常用于对输入图像进行裁剪,以适应模型的输入要求。
RandomCrop(size):对图像进行随机裁剪。这个转换会在图像的随机位置裁剪出指定尺寸的图像。
RandomHorizontalFlip():随机水平翻转。这个转换会以一定的概率对图像进行水平翻转。
3.epoch 和 batch 的区别?
Epoch 是指将训练数据完整地过一遍的次数。训练一个模型通常需要通过多个 epoch 来逐渐优化模型的参数。每个 epoch,模型会遍历整个训练数据集一次,并对每个样本进行前向传播、计算损失、反向传播和参数更新。
Batch 是指在每个 epoch 中使用的数据的小批量大小。由于整个训练数据集可能非常大,无法一次性装入内存,因此我们将数据分成多个较小的批次进行处理。每个批次由多个样本组成,模型在批次中进行前向传播、计算损失、反向传播和参数更新。
4.1x1的卷积和 全连接层FC 有什么区别?主要起什么作用?
区别:
输入维度:1x1 卷积的输入是一个多通道的特征图(多维数组),而全连接层的输入是一个扁平化的特征向量(一维数组)。
参数共享:1x1 卷积可以在通道维度上共享参数,而全连接层中的每个神经元都有自己的权重参数。
空间信息:1x1 卷积在通道维度上进行卷积操作,保留输入特征图的空间信息,而全连接层丢失了空间信息。
作用:
1x1 卷积主要用于调整特征图的维度、实现特征融合和降维,而全连接层则用于最终的分类或回归任务。在某些情况下,1x1 卷积可以替代全连接层,以减少参数量和计算量,并提高模型的效率和泛化能力。
5.residual leanring 为什么能够提升准确率?
残差学习通过引入跳跃连接(skip connection)的方式来提升准确率。它的核心思想是通过学习残差来建立模型,使其更容易拟合输入和目标之间的差异。在传统的深度卷积神经网络中,每个层都通过非线性激活函数处理输入,然后输出到下一层。然而,当网络变得非常深时,可能会面临梯度消失或梯度爆炸等问题,残差学习通过在网络中添加跳跃连接来解决这个问题。跳跃连接将输入的特征图直接与后续层的输出相加,形成一个"快捷路径",可以绕过一些卷积层或全连接层。通过残差学习,网络可以很容易地学习到输入和目标之间的残差。即使在网络的深层,也能保持更加稳定的梯度传播,从而更有效地优化模型。
6.代码练习二里,网络和1989年 Lecun 提出的 LeNet 有什么区别?
代码练习2中使用的池化为MaxPool2d,激活函数是ReLu; LeNet中使用的池化为AdaptiveAvgPool2d,激活函数是Sigmoid。
7.代码练习二里,卷积以后feature map 尺寸会变小,如何应用 Residual Learning?
采用1*1的卷积对大小不同的feature map进行调整。
8.有什么方法可以进一步提升准确率?(参考学长博客)
-
设置合适的学习率或者选择合适的优化器
-
选择合适的激活函数
-
选择合适的损失函数
-
正则化以防止过拟合
-
优化网络规模,选择合适的深度和宽度
-
对数据集合适的预处理也可以防止过拟合
-
适当延长训练时间防止欠拟合