第二周学习

Shelter.

已于 2022-07-20 09:45:04 修改

阅读量237

点赞数

文章标签：学习卷积神经网络 pytorch

于 2022-07-19 10:52:57 首次发布

本文链接：https://blog.csdn.net/qq_43920640/article/details/125841699

版权

Part 1 专知课程学习《卷积神经网络》

绪论

传统神经网络vs卷积神经网络

深度学习三部曲

搭建神经网络结构
找到一个合适的损失函数（交叉熵损失……）
找到一个合适的优化函数（更新参数反向传播，随机梯度下降……）

传统神经网络可以应用到计算机视觉上，但全连接网络处理图像由于权重矩阵的参数太多会导致过拟合，对此卷积神经网络可以通过局部关联，参数共享的方式共享来解决。

基本组成结构

卷积(Convoluntional Layer)

卷积是对两个实变函数的一种数学操作。

在图像处理中，图像以二维矩阵的形式输入到神经网络中，因此需要二维卷积。

二维卷积

卷积输出的特征图大小为：(N-F)/stride + 1

有padding时输出的特征图大小为：(N+padding*2 -F)/stride + 1

其中N为输入矩阵的大小，F为卷积核/滤波器矩阵的大小，stride为步长。

池化(Pooling Layer)

两种池化类型（更倾向于最大值池化）

全连接(Fully Connected Layer)

卷积神经网络典型结构

AlexNet

AlexNet成功的原因：

大数据训练：百万级ImageNet图像数据
非线性激活函数：ReLU
防止过拟合：Dropout,Data augmentation
其他：双GPU实现

ReLU函数相对于Sigmoid函数的优点：解决了梯度消失的问题（在正区间）；计算速度特别快，只需要判断输入是否大于0；收敛速度远快于sigmoid。

DropOut防止过拟合

数据增强防止过拟合

VGG

GoogleNet

整体网络结构

Naive Inception

初衷：多卷积核增加特征多样性

原始Inception模块计算复杂度过高，对此Inception V2的解决思路是插入1*1卷积核进行降维。

5*5的卷积核相应参数个数为5*5+5=30,而两个3*3的卷积核相应参数个数为(3*3+3)*2=24。

ResNet

网络结构

残差结构（解决梯度消失）

Part 2 代码练习

MNIST 数据集分类

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)。

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

在小型全连接网络上训练（Fully-connected network）

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

打乱像素顺序再次在两个网络上训练与测试

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。

CNN 对 CIFAR10 数据集分类

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

在测试集中取出图片，展示模型识别的结果。

网络在整个数据集上的准确率

VGG16 对 CIFAR10 分类

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(self.cfg)
        self.classifier = nn.Linear(512, 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)

一个简化版的 VGG 网络能够显著地将准确率由 63%，提升到 83.92%

问题思考

1.dataloader 里面的 shuffle取值代表是否进行随机打乱顺序的操作，训练时可以打乱顺序增加多样性。

2.transform是一种函数或变换，输入PIL图片，返回变换之后的数据。实验中使用的transforms.Normalize()是逐channel的对图像进行标准化（均值变为0，标准差变为1），可以加快模型的收敛。

3.Batch大小是在更新模型之前处理的样本数。 Epoch数是训练数据集的完整通过数。

4.1×1的卷积核是输入map大小不固定的；而全连接是固定的。1×1卷积的主要作用是
降维（ dimension reductionality )和加入非线性。输入的feature map的尺寸是1×1时，两者从数学原理上来看，没有区别；当输入为c×w×h时，，1×1的卷积输出为n×w×h，全连接的输出是n×1×1。此时，全连接可以等价于n个c×w×h卷积核的卷积层。

5.残差网络使信息更容易在各层之间流动，包括在前向传播时提供特征重用，在反向传播时缓解梯度信号消失。

LeNet-5

C1：卷积层，num_kernels=6, kernel_size=5×5, padding=0, stride=1
S2：均值池化层，kernel_size=2×2, padding=0, stride=2
C3：卷积层，num_kernels=16, kernel_size=5×5, padding=0, stride=1
S4：均值池化层，kernel_size=2×2, padding=0, stride=2
F5：全连接层，out_features=140
F6：全连接层，out_features=84
F7：全连接层，out_features=10

代码二网络

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

LeNet-5采用均值池化，代码二的网络采用最大值池化；LeNet 采用的激活函数是 tanh，代码二网络使用 ReLU激活函数。

7.可以采用填充padding的方法。

8.采用正确的网络结构；对数据集进行有效的预处理。