跟李沐学AI-动手学深度学习-卷积神经网络

最新推荐文章于 2023-11-14 14:54:15 发布

洋-葱

最新推荐文章于 2023-11-14 14:54:15 发布

阅读量807

点赞数

分类专栏：跟李沐学AI-动手学深度学习文章标签：神经网络 pytorch 深度学习

本文链接：https://blog.csdn.net/qq_42505741/article/details/120331170

版权

跟李沐学AI-动手学深度学习专栏收录该内容

11 篇文章 6 订阅

订阅专栏

从全连接层到卷积

引例：分类猫和狗的图片
不变性：平移不变性、局部性。

图像的平移不变性使我们以相同的方式处理局部图像，而不在乎它的位置。
局部性意味着计算相应的隐藏表示只需要一小部分局部图像像素。

对全连接层使用平移不变性和局部性得到卷积层！！（具体数学推导没理解清楚）
二维交叉相关。

二维卷积层

在这里插入图片描述
总结：

卷积层将输入和核矩阵进行交叉相关，加上偏移后得到输出。
核矩阵和偏移是可学习的参数。
核矩阵的大小是超参数。

代码实现

图像卷积
互相关运算

def corr2d(X, K): 
  """计算⼆维互相关运算。"""
  h, w = K.shape
  Y = torch.zeros((X.shape[0] - h + 1, X.shape[1] - w + 1))
  for i in range(Y.shape[0]):
    for j in range(Y.shape[1]):
      Y[i, j] = (X[i:i + h, j:j + w] * K).sum()
  return Y

验证上述二维互相关运算的输出

X = torch.tensor([[0.0, 1.0, 2.0], [3.0, 4.0, 5.0], [6.0, 7.0, 8.0]])
K = torch.tensor([[0.0, 1.0], [2.0, 3.0]])
corr2d(X, K)

实现二维卷积层

class Conv2D(nn.Module):
  def __init__(self, kernel_size):
    super().__init__()
    self.weight = nn.Parameter(torch.rand(kernel_size))
    self.bias = nn.Parameter(torch.zeros(1))
  def forward(self, x):
    return corr2d(x, self.weight) + self.bias

卷积层的一个简单应用：检测图像中不同颜色的边缘

X = torch.ones((6, 8))
X[:, 2:6] = 0
X

输出Y的1代表从白色到黑色的边缘，-1代表从黑色到宝色的边缘


K = torch.tensor([[1.0, -1.0]])

Y = corr2d(X, K)
Y

当前使用的卷积核K只可以检测垂直边缘

corr2d(X.t(), K)

学习由X生成Y的卷积核

# 构造⼀个⼆维卷积层，它具有1个输出通道和形状为（1，2）的卷积核
conv2d = nn.Conv2d(1,1, kernel_size=(1, 2), bias=False)
# 这个⼆维卷积层使⽤四维输⼊和输出格式（批量⼤⼩、通道、⾼度、宽度），
# 其中批量⼤⼩和通道数都为1
X = X.reshape((1, 1, 6, 8))
Y = Y.reshape((1, 1, 6, 7))
for i in range(10):
  Y_hat = conv2d(X)
  l = (Y_hat - Y) ** 2
  conv2d.zero_grad()
  l.sum().backward()
  # 迭代卷积核
  conv2d.weight.data[:] -= 3e-2 * conv2d.weight.grad
  if (i + 1) % 2 == 0:
    print(f'batch {i+1}, loss {l.sum():.3f}')

所学的卷积核的权重张量

conv2d.weight.data.reshape((1, 2))

卷积层里的填充和步幅

填充

在这里插入图片描述
在输入周围添加额外的行/列

步幅

在这里插入图片描述
步幅是指行/列的滑动步长。

总结：

填充和步幅是卷积层的超参数。
填充在输入周围添加额外的行/列，来控制输出形状的减少量。
步幅是每层滑动核窗口时的行/列的步长，可以成倍的减少输出形状。

代码实现

填充和步幅
在所有侧边填充1个像素

import torch
from torch import nn
# 为了⽅便起⻅，我们定义了⼀个计算卷积层的函数。
# 此函数初始化卷积层权重，并对输⼊和输出提⾼和缩减相应的维数
def comp_conv2d(conv2d, X):
  # 这⾥的（1，1）表⽰批量⼤⼩和通道数都是1
  X = X.reshape((1, 1) + X.shape)
  Y = conv2d(X)
  # 省略前两个维度：批量⼤⼩和通道
  return Y.reshape(Y.shape[2:])
# 请注意，这⾥每边都填充了1⾏或1列，因此总共添加了2⾏或2列

conv2d = nn.Conv2d(1, 1, kernel_size=3, padding=1)
X = torch.rand(size=(8, 8))
comp_conv2d(conv2d, X).shape

填充不同的高度和宽度

conv2d = nn.Conv2d(1, 1, kernel_size=(5, 3), padding=(2, 1))
comp_conv2d(conv2d, X).shape

将高度和宽度的步幅设置为2

conv2d = nn.Conv2d(1, 1, kernel_size=3, padding=1, stride=2)
comp_conv2d(conv2d, X).shape

一个稍微复杂的例子

conv2d = nn.Conv2d(1, 1, kernel_size=(3, 5), padding=(0, 1), stride=(3, 4))
comp_conv2d(conv2d, X).shape

多个输入和输出通道

多个输入通道

彩色图像可能有RGB三个通道。
转换为灰度会丢失信息。

每个通道都有一个卷积核，结果是所有通道卷积结果的和。
在这里插入图片描述

多个输出通道

无论有多少输入通道，到目前为止我们只用到了单输出通道。
我们可以有多个三维卷积核，每个核生成一个输出通道。
在这里插入图片描述

多个输入和输出通道

每个输出通道可以识别特定模式。
输入通道核识别并组合输入中的模式。

1*1卷积层

k_h=k_w=1是一个受欢迎的选择。它不识别空间模式，只是融合通道。
相当于输入形状为n_hn_w X C_i,权重为c₀ X c_i的全连接层。

二维卷积层

在这里插入图片描述

总结

输出通道数是卷积层的超参数。
每个输入通道有独立的二维卷积核，所有通道结果相加得到一个输出通道结果。
每个输出通道有独立的三维卷积核。

多输入和多输出的代码实现

实现一下多输入通道互相关运算

import torch
from d2l import torch as d2l
def corr2d_multi_in(X, K):
  # 先遍历“X” 和“K” 的第0个维度（通道维度），再把它们加在⼀起
  return sum(d2l.corr2d(x, k) for x, k in zip(X, K))

验证互相关运算的输出

X = torch.tensor([[[0.0, 1.0, 2.0], [3.0, 4.0, 5.0], [6.0, 7.0, 8.0]],
    [[1.0, 2.0, 3.0], [4.0, 5.0, 6.0], [7.0, 8.0, 9.0]]])
K = torch.tensor([[[0.0, 1.0], [2.0, 3.0]], [[1.0, 2.0], [3.0, 4.0]]])
corr2d_multi_in(X, K)

计算多个通道的输出的互相关函数

def corr2d_multi_in_out(X, K):
  # 迭代“K”的第0个维度，每次都对输⼊“X”执⾏互相关运算。
  # 最后将所有结果都叠加在⼀起
  return torch.stack([corr2d_multi_in(X, k) for k in K], 0)

K = torch.stack((K, K + 1, K + 2), 0)
K.shape

corr2d_multi_in_out(X, K)

1 X 1 卷积

def corr2d_multi_in_out_1x1(X, K):
  c_i, h, w = X.shape
  c_o = K.shape[0]
  X = X.reshape((c_i, h * w))
  K = K.reshape((c_o, c_i))
  # 全连接层中的矩阵乘法
  Y = torch.matmul(K, X)
  return Y.reshape((c_o, h, w))

X = torch.normal(0, 1, (3, 3, 3))
K = torch.normal(0, 1, (2, 3, 1, 1))
Y1 = corr2d_multi_in_out_1x1(X, K)
Y2 = corr2d_multi_in_out(X, K)
assert float(torch.abs(Y1 - Y2).sum()) < 1e-6

总结：

多输入输出通道可以用来拓展卷积层的模型。
当以每像素为基础应用时，1 X 1卷积层相当于全连接层。
1 X 1卷积层通常用于调整网络层的通道数量和控制模型复杂性。

池化层

卷积层对于位置敏感，像是前边提及到的检测垂直边缘的卷积核，只能处理垂直的边缘信息。
它需要一定程度的平移不变性。

二维最大池化层

返回滑动窗口中的最大值。（可容1像素移位）。

填充、步幅和多个通道

池化层与卷积层类似，都具有填充和步幅。
没有可学习的参数。
在每个输入通道应用池化层以获得相应的输出通道。
输出通道数=输入通道数。

平均池化层

最大池化层：每个窗口中最强的模式信号。
平均池化层：将最大池化层中的“最大”操作替换为“平均”。

总结

池化层返回窗口中最大或平均值。
缓解卷积层会对位置的敏感性。
同样有窗口大小、填充和步幅作为超参数。

池化层代码实现

实现池化层的正向传播

def pool2d(X, pool_size, mode='max'):
  p_h, p_w = pool_size
  Y = torch.zeros((X.shape[0] - p_h + 1, X.shape[1] - p_w + 1))
  for i in range(Y.shape[0]):
    for j in range(Y.shape[1]):
      if mode == 'max':
        Y[i, j] = X[i: i + p_h, j: j + p_w].max()
      elif mode == 'avg':
        Y[i, j] = X[i: i + p_h, j: j + p_w].mean()
  return Y

验证二维最大池化层的输出

X = torch.tensor([[0.0, 1.0, 2.0], [3.0, 4.0, 5.0], [6.0, 7.0, 8.0]])
pool2d(X, (2, 2))

验证平均池化层

pool2d(X, (2, 2), 'avg')

填充和步幅

X = torch.arange(16, dtype=torch.float32).reshape((1, 1, 4, 4))
X

深度学习框架中的步幅与池化窗口的大小相同

pool2d = nn.MaxPool2d(3)
pool2d(X)

填充和步幅可以手动设定

pool2d = nn.MaxPool2d(3, padding=1, stride=2)
pool2d(X)

设定一个任意大小的矩形池化窗口，并分别设定填充和步幅的高度和宽度

pool2d = nn.MaxPool2d((2, 3), padding=(1, 1), stride=(2, 3))
pool2d(X)

池化层在每个输入通道上单独运算

X = torch.cat((X, X + 1), 1)
X

pool2d = nn.MaxPool2d(3, padding=1, stride=2)
pool2d(X)

LeNet

最初应用于手写数字识别。识别邮政编码。识别支票。
MNIST
50000个训练数据，10000个测试数据，图像大小为28*28，10类。

在这里插入图片描述
总结：

LeNet是早期成功的神经网络。
先使用卷积层来学习图片空间信息。
然后使用全连接层来转换到类别空间。

卷积神经网络（LeNet）代码实现

LeNet（LeNet-5）由两个部分组成：卷积编码器和全连接层密集块。

!pip install d2l==0.14
import torch
from torch import nn
from d2l import torch as d2l
class Reshape(torch.nn.Module):
  def forward(self, x):
    return x.view(-1, 1, 28, 28)
net = torch.nn.Sequential(
  Reshape(),
  nn.Conv2d(1, 6, kernel_size=5, padding=2), nn.Sigmoid(),#二维卷积层，输入通道数1，输出通道数6，卷积核大小5*5，零填充为2，步长为1，使用sigmoid激活函数，输出的特征图大小仍是28*28
  nn.AvgPool2d(kernel_size=2, stride=2),#平均池化层，大小为2*2，步长为2，输出的特征图大小为6@14*14
  nn.Conv2d(6, 16, kernel_size=5), nn.Sigmoid(),#二维卷积层，输入通道数为6，输出通道数为16，卷积核大小为5*5，使用sigmoid激活函数，输出的特征图大小为10*10
  nn.AvgPool2d(kernel_size=2, stride=2),#平均池化层，大小为2*2，步长为2，输出的特征图大小为16@5*5
  nn.Flatten(),#展成一维向量
  nn.Linear(16 * 5 * 5, 120), nn.Sigmoid(),#MLP输入层，输入16*5*5，输出120
  nn.Linear(120, 84), nn.Sigmoid(),#MLP隐藏层，输入120，输出84
  nn.Linear(84, 10))#MLP输出层，输入84，输出10

检查模型

X = torch.rand(size=(1, 1, 28, 28), dtype=torch.float32)
for layer in net:
  X = layer(X)
  print(layer.__class__.__name__,'output shape: \t',X.shape)

在这里插入图片描述

LeNet在Fashion-MNIST数据集上的表现

batch_size = 256
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size=batch_size)

对evaluate_accuracy函数进行轻微的修改

def evaluate_accuracy_gpu(net, data_iter, device=None): 
  """使⽤GPU计算模型在数据集上的精度。"""
  if isinstance(net, torch.nn.Module):
    net.eval() # 设置为评估模式
    if not device:
      device = next(iter(net.parameters())).device
  # 正确预测的数量，总预测的数量
  metric = d2l.Accumulator(2)
  for X, y in data_iter:
    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)
    metric.add(d2l.accuracy(net(X), y), y.numel())
  return metric[0] / metric[1]

为了使用gpu，我们还需要一点小修改

def train_ch6(net, train_iter, test_iter, num_epochs, lr, device):
  """⽤GPU训练模型(在第六章定义)。"""
  def init_weights(m):
    if type(m) == nn.Linear or type(m) == nn.Conv2d:
      nn.init.xavier_uniform_(m.weight)
  net.apply(init_weights)
  print('training on', device)
  net.to(device)
  optimizer = torch.optim.SGD(net.parameters(), lr=lr)
  loss = nn.CrossEntropyLoss()
  animator = d2l.Animator(xlabel='epoch', xlim=[1, num_epochs],
        legend=['train loss', 'train acc', 'test acc'])
  timer, num_batches = d2l.Timer(), len(train_iter)
  for epoch in range(num_epochs):
    # 训练损失之和，训练准确率之和，范例数
    metric = d2l.Accumulator(3)
    net.train()
    for i, (X, y) in enumerate(train_iter):
      timer.start()
      optimizer.zero_grad()
      X, y = X.to(device), y.to(device)
      y_hat = net(X)
      l = loss(y_hat, y)
      l.backward()
      optimizer.step()
      with torch.no_grad():
        metric.add(l * X.shape[0], d2l.accuracy(y_hat, y), X.shape[0])
      timer.stop()
      train_l = metric[0] / metric[2]
      train_acc = metric[1] / metric[2]
      if (i + 1) % (num_batches // 5) == 0 or i == num_batches - 1:
        animator.add(epoch + (i + 1) / num_batches,
          (train_l, train_acc, None))
    test_acc = evaluate_accuracy_gpu(net, test_iter)
    animator.add(epoch + 1, (None, None, test_acc))
  print(f'loss {train_l:.3f}, train acc {train_acc:.3f}, '
      f'test acc {test_acc:.3f}')
  print(f'{metric[2] * num_epochs / timer.sum():.1f} examples/sec '
      f'on {str(device)}')

训练和评估LeNet-5模型

lr, num_epochs = 0.9, 10
train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu())

在这里插入图片描述

总结

理解了关于模型的通道数，卷积核，池化层等细节信息。
关于如何推导出卷积核还没有思考明白。
学习并了解了LeNet网络模型的构建。

洋-葱

关注

0
点赞
踩
6

收藏

觉得还不错? 一键收藏
0
评论
跟李沐学AI-动手学深度学习-卷积神经网络

文章目录从全连接层到卷积二维卷积层代码实现卷积层里的填充和步幅填充步幅代码实现多个输入和输出通道多个输入通道多个输出通道多个输入和输出通道1*1卷积层二维卷积层总结多输入和多输出的代码实现总结：池化层二维最大池化层填充、步幅和多个通道平均池化层总结池化层代码实现从全连接层到卷积引例：分类猫和狗的图片不变性：平移不变性、局部性。图像的平移不变性使我们以相同的方式处理局部图像，而不在乎它的位置。局部性意味着计算相应的隐藏表示只需要一小部分局部图像像素。对全连接层使用平移不变性和局部性得到卷积层！
复制链接

扫一扫