GoogLeNet吸收了NiN中串联网络的思想,并在此基础上做了改进,并且在2014年的ImageNet图像识别挑战赛中获得了不错的效果。
1. Inception块
GoogLeNet论文解决了多大的卷积核最合适的问题。
Inception块可以说是“集百家之长”,它由四条并行路径组成,不同的路径提取不同的信息在通道合并层进行合并。
Inception块有两种主要架构:
这里我们采取第二种架构
- 第一条路径:1x1卷积层提取信息
- 第二条路径:1x1卷积层减少通道数,3x3卷积层提取信息
- 第三条路径:1x1卷积层减少通道数,5x5卷积层提取信息
- 第四条路径:3x3最大汇聚层提取信息,1x1卷积层改变通道数
在Inception块中,通常调整的超参数是每层输出通道数。
将Inception想象成滤波器的组合,不同尺寸的滤波器可以有效识别不同范围的图像细节。
import torch
from torch import nn
from torch.nn import functional as F
from d2l import torch as d2l
class Inception(nn.Module):
# c1--c4是每条路径的输出通道数
def __init__(self, in_channels, c1, c2, c3, c4, **kwargs):
super(Inception, self).__init__(**kwargs)
# 路径1,单1×1卷积层
self.p1_1 = nn.Conv2d(in_channels, c1, kernel_size=1)
# 路径2,1×1卷积层后接3×3卷积层
self.p2_1 = nn.Conv2d(in_channels, c2[0], kernel_size=1)
self.p2_2 = nn.Conv2d(c2[0], c2[1], kernel_size=3, padding=1)
# 路径3,1×1卷积层后接5×5卷积层
self.p3_1 = nn.Conv2d(in_channels, c3[0], kernel_size=1)
self.p3_2 = nn.Conv2d(c3[0], c3[1], kernel_size=5, padding=2)
# 路径4,3×3最大汇聚层后接1×1卷积层
self.p4_1 = nn.MaxPool2d(kernel_size=3, stride=1, padding=1)
self.p4_2 = nn.Conv2d(in_channels, c4, kernel_size=1)
def forward(self, x):
p1 = F.relu(self.p1_1(x))
p2 = F.relu(self.p2_2(F.relu(self.p2_1(x))))
p3 = F.relu(self.p3_2(F.relu(self.p3_1(x))))
p4 = F.relu(self.p4_2(F.relu(self.p4_1(x))))
# 在通道维度上连接输出
return torch.cat((p1, p2, p3, p4), dim=1)
3. GoogLeNet模型
GoogLeNet一共使用9个Inception块和全局平均汇聚层的堆叠来生成其估计值,Inception块之间的最大汇聚层可降低维度。
现在逐一实现GoogLeNet的每个模块
第一个模块
# GoogLeNet一共使用9个Inception块和平均汇聚层的堆叠
# 第一个模块使用64个通道、7×7卷积层
b1 = nn.Sequential(nn.Conv2d(1, 64, kernel_size=7, stride=2, padding=3),
nn.ReLU(),
nn.MaxPool2d(kernel_size=3, stride=2, padding=1))
第二个模块
"""
第二个模块:
第一个卷积层:64个通道、1×1卷积层
第二个卷积层:通道数增加为3倍的3×3卷积层
"""
b2 = nn.Sequential(nn.Conv2d(64, 64, kernel_size=1),
nn.ReLU(),
nn.Conv2d(64, 192, kernel_size=3),
nn.ReLU(),
nn.MaxPool2d(kernel_size=3, stride=2, padding=1))
第三个模块
"""
第三个模块:串联2个Inception块
第一个Inception块通道数:64+128+32+32=256
第二个Inception块通道数:128+192+96+64=480
其中第一路径:64-->128
第二路径:96-->128-->192 (96/192 = 1/2)
第三路径:16-->32-->96 (16/192 = 1/12)
第四路径:32-->64
"""
# Inception(in_channels, c1, c2, c3, c4)
# c1,c2,c3,c4是每条路径的输出通道数
b3 = nn.Sequential(Inception(192, 64, (96, 128), (16, 32), 32),
Inception(256, 128, (128, 192), (32, 96), 64),
nn.MaxPool2d(kernel_size=3, stride=2, padding=1))
第四个模块
"""
第四个模块:串联5个Inception块 (第二、第三条路径按比例减少通道数)
第一个Inception块通道数:192+208+48+64=512
第二个Inception块通道数:160+224+64+64=512
第三个Inception块通道数:128+256+64+64=512
第四个Inception块通道数:112+288+64+64=528
第五个Inception块通道数:256+320+128+128=832
其中第一路径:192-->160-->128-->112-->256
第二路径:96-->208-->224-->256-->144-->288-->160-->320
第三路径:16-->48-->24-->64-->24-->64-->32-->64-->32-->128
第四路径:64-->64-->64-->64-->128
"""
b4 = nn.Sequential(Inception(480, 192, (96, 208), (16, 48), 64),
Inception(512, 160, (112, 224), (24, 64), 64),
Inception(512, 128, (128, 256), (24, 64), 64),
Inception(512, 112, (144, 288), (32, 64), 64),
Inception(528, 256, (160, 320), (32, 128), 128),
nn.MaxPool2d(kernel_size=3, stride=2, padding=1))
第五个模块
"""
第五个模块:串联2个Inception块 ,后紧跟输出层
第一个Inception块通道数:256+320+128+128=832
第二个Inception块通道数:384+384+128+128=1024
其中第一路径:256-->384
第二路径:160-->320-->192-->384
第三路径:32-->128-->48-->128
第四路径:128-->128
"""
b5 = nn.Sequential(Inception(832, 256, (160, 320), (32, 128), 128),
Inception(832, 384, (192, 384), (48, 128), 128),
# 使用全局平均汇聚层,将每个通道的高度和宽度变成1
nn.AdaptiveAvgPool2d((1, 1)),
# 将输出变成二维数组
nn.Flatten())
# 连接一个输出个数为标签类别数的全连接层
net = nn.Sequential(b1, b2, b3, b4, b5, nn.Linear(1024, 10))
演示各个模块的输出形状变化
# 为了更好的训练Fashion-MNIST,将输入的高度和宽度从224降到96
# 演示各个模块的输出形状变化
# size = (batch_size, in_channels, height, weight)
X = torch.rand(size=(1, 1, 96, 96))
for layer in net:
X = layer(X)
print(layer.__class__.__name__,'output shape:\t', X.shape)
3. 训练模型
定义精度评估函数
"""
定义精度评估函数:
1、将数据集复制到显存中
2、通过调用accuracy计算数据集的精度
"""
def evaluate_accuracy_gpu(net, data_iter, device=None): #@save
# 判断net是否属于torch.nn.Module类
if isinstance(net, nn.Module):
net.eval()
# 如果不在参数选定的设备,将其传输到设备中
if not device:
device = next(iter(net.parameters())).device
# Accumulator是累加器,定义两个变量:正确预测的数量,总预测的数量。
metric = d2l.Accumulator(2)
with torch.no_grad():
for X, y in data_iter:
# 将X, y复制到设备中
if isinstance(X, list):
# BERT微调所需的(之后将介绍)
X = [x.to(device) for x in X]
else:
X = X.to(device)
y = y.to(device)
# 计算正确预测的数量,总预测的数量,并存储到metric中
metric.add(d2l.accuracy(net(X), y), y.numel())
return metric[0] / metric[1]
定义GPU训练函数
"""
定义GPU训练函数:
1、为了使用gpu,首先需要将每一小批量数据移动到指定的设备(例如GPU)上;
2、使用Xavier随机初始化模型参数;
3、使用交叉熵损失函数和小批量随机梯度下降。
"""
#@save
def train_ch6(net, train_iter, test_iter, num_epochs, lr, device):
"""用GPU训练模型(在第六章定义)"""
# 定义初始化参数,对线性层和卷积层生效
def init_weights(m):
if type(m) == nn.Linear or type(m) == nn.Conv2d:
nn.init.xavier_uniform_(m.weight)
net.apply(init_weights)
# 在设备device上进行训练
print('training on', device)
net.to(device)
# 优化器:随机梯度下降
optimizer = torch.optim.SGD(net.parameters(), lr=lr)
# 损失函数:交叉熵损失函数
loss = nn.CrossEntropyLoss()
# Animator为绘图函数
animator = d2l.Animator(xlabel='epoch', xlim=[1, num_epochs],
legend=['train loss', 'train acc', 'test acc'])
# 调用Timer函数统计时间
timer, num_batches = d2l.Timer(), len(train_iter)
for epoch in range(num_epochs):
# Accumulator(3)定义3个变量:损失值,正确预测的数量,总预测的数量
metric = d2l.Accumulator(3)
net.train()
# enumerate() 函数用于将一个可遍历的数据对象
for i, (X, y) in enumerate(train_iter):
timer.start() # 进行计时
optimizer.zero_grad() # 梯度清零
X, y = X.to(device), y.to(device) # 将特征和标签转移到device
y_hat = net(X)
l = loss(y_hat, y) # 交叉熵损失
l.backward() # 进行梯度传递返回
optimizer.step()
with torch.no_grad():
# 统计损失、预测正确数和样本数
metric.add(l * X.shape[0], d2l.accuracy(y_hat, y), X.shape[0])
timer.stop() # 计时结束
train_l = metric[0] / metric[2] # 计算损失
train_acc = metric[1] / metric[2] # 计算精度
# 进行绘图
if (i + 1) % (num_batches // 5) == 0 or i == num_batches - 1:
animator.add(epoch + (i + 1) / num_batches,
(train_l, train_acc, None))
# 测试精度
test_acc = evaluate_accuracy_gpu(net, test_iter)
animator.add(epoch + 1, (None, None, test_acc))
# 输出损失值、训练精度、测试精度
print(f'loss {train_l:.3f}, train acc {train_acc:.3f},'
f'test acc {test_acc:.3f}')
# 设备的计算能力
print(f'{metric[2] * num_epochs / timer.sum():.1f} examples/sec'
f'on {str(device)}')
进行训练
# 训练,将图像转为96像素×96像素
lr, num_epochs, batch_size = 0.1, 10, 128
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size, resize=96)
d2l.train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu())