基于沐神GoogLeNet卷积神经网络模型学习（pytorch）

1、GoogLeNet模型介绍

    2014年的ImageNet图像识别挑战赛中，一个名叫GoogLeNet 的网络架构大放异彩。GoogLeNet吸收了NiN中串联网络的思想。解决了选择多大的卷积核才比较合适呢，成年人不需要做选择，我都要。因此GoogLeNet实现了这个需求。

2、Inception快

   在GoogLeNet中，我们把每一个卷积块被称为Inception块（Inception block）。这很可能得名于电影《盗梦空间》（Inception），因为电影中的一句话“我们需要走得更深”（“We need to go deeper”）。

   该图就是Inception快的基本结构，从图可以看出，我们可以从四条路径去抽取特征信息，最后在concatenation，将各个通道合并在一起。采取不同的卷积核，在不同路径分配不同的通道数目，来实现我们提取特征信息的需求，一般在第二条路径的通道数选择大一点（从左到右）。同时，需要满足四条路径都使用合适的填充来使输入与输出的高和宽一致。

该模块用Inception类实现如下：

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)
        # 线路1，单1x1卷积层
        self.p1_1 = nn.Conv2d(in_channels, c1, kernel_size=1)
        # 线路2，1x1卷积层后接3x3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)
        # 线路3，1x1卷积层后接5x5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)
        # 线路4，3x3最大汇聚层后接1x1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(self.p4_1(x)))
        # 在通道维度上连结输出
        return torch.cat((p1, p2, p3, p4), dim=1)

后期我们会反复使用Inception块，来实现GoogLeNet模型的搭建

3、GoogLeNet模型

改图就是GoogLeNet 模型的整体架构，GoogLeNet一共使用9个Inception块和全局平均汇聚层的堆叠而来，Inception块之间的最大汇聚层可降低维度。

如何实现每个模块，只需要按照架构一步步的Sequential起来。

在这为大家讲解一下何为Sequential，它是我们定义的的顺序块，顾名思义，就是按照顺序来实现每一个块，GoogLeNet 模型就是多个Inception块组成。

每一个块用代码分别实现如下：

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))
b2 = nn.Sequential(nn.Conv2d(64, 64, kernel_size=1),
                   nn.ReLU(),
                   nn.Conv2d(64, 192, kernel_size=3, padding=1),
                   nn.ReLU(),
                   nn.MaxPool2d(kernel_size=3, stride=2, padding=1))
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))
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))
b5 = nn.Sequential(Inception(832, 256, (160, 320), (32, 128), 128),
                   Inception(832, 384, (192, 384), (48, 128), 128),
                   nn.AdaptiveAvgPool2d((1,1)),
                   nn.Flatten())

net = nn.Sequential(b1, b2, b3, b4, b5, nn.Linear(1024, 10))

实现每一个模块之后，同样使用顺序块Sequential连接起来。

最后可以通过简单代码看一下我们输出的现状，方便后面模型的纠正

X = torch.rand(size=(1, 1, 96, 96))
for layer in net:
    X = layer(X)
    print(layer.__class__.__name__,'output shape:\t', X.shape)

最后使用Fashion-MNIST数据集来训练一下：

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())

模型训练结果如下：

欢迎大家一起讨论学习