学习目标
1.学习CNN基础和原理
2.使用pytorch框架构建CNN模型,并完成训练。
CNN介绍
卷积神经网络(CNN)是一类特殊的人工神经网络,是深度学习中重要的一个分支,CNN在多数领域表现优异,精度和速度比传统的计算学习算法高很多。CNN进行权值共享,在计算机视觉领域,CNN是解决图像分类,图像检索,物体检测和语义分割的主流模型。
CNN每一层由众多的卷积核组成,每个卷积核对输入的像素进行卷积操作,然后再进行池化,最后进行全连接层形成一个闭环操作。随着网络层的增加卷积核会逐渐扩大感受野,并缩减图像尺寸。
CNN是一种层次结构模型,输入的原始图片像素数据。CNN通过卷积(convolution),池化(pooling),非线性激活函数(sigmoid,tanh,relu以及relu变形),和全连接层(fully connected layer)构成。
如下图所示为LeNet网络结构,是非常经典的字符识别模型,2个卷积层,2个池化层,2个全连接层,卷积核都是5*5,stride=1,池化层使用的是最大池化。
通过多次卷积和池化,CNN的最后一层将输入的图像像素映射为具体的输出。如在分类任务重会转换为不同类别的概率输出。然后计算真实标签与CNN模型的预测结果的差异,并通过反向传播更新每一层的参数,并在更新完成后再次前向传播,如此反复知道训练完成。
与传统的机器学习模型相比,CNN具有一种端到端(End to End)的思路。在CNN训练的过程中是直接从图片像素到最终输出,并不涉及到具体的特征提取和构建模型过程,也不需要人工的参与。传统的机器学习模型易于解释,在过程应用中,能够达到一定的效果,而且传统的机器学习是需要先进性特征工程,在进行模型选择,最后进行模型调优,模型预测,模型的部署。而CNN模型可解释性弱,如果是要查看模型运作,可以去Tensorborad里面去查看网络结构。
CNN发展
随着网络结构的发展,研究人员最初发现网络模型结果越深,网络参数越多模型的精度更优,比较典型的是AlexNet,VGG,InceptionV3和ResNet发展脉络。
LeNet_5(1998)
AlexNet
VGG-16(2014)
InceptionV1(2014)
ResNet50
pytorch构建CNN
在之前任务中,我们构建如何使用pytorch来读取数据集,下面我们用简单的CNN知识,完成字符识别功能。
在pytorch中构建CNN模型非常简单,只需要定义好模型参数,和正向传播即可,pytorch会根据正向传播自动计算反向传播。
这里我们构建简单的CNN,然后进行训练。构建2个卷积层,最后使用6个全连接层进行分类。
import torch
torch.manual_seed(0)
torch.backends.cudnn.deterministic=False
torch.backends.cudnn.benchmark=True
import torchvision.models as models
import torchvision.transforms as transforms
import torchvision.datasets as datasets
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torch.autograd import Variable
from torch.utils.data.dataset import Dataset
#定义模型
class SVHN_Model(nn.Module):
def __init__(self):
super(SVHN_Model,self).__init__()
#CNN提取特征模块
self.cnn=nn.Sequential(
nn.Conv2d(3,16,
kernel_size=(3,3),
stride=(2,2),
nn.Relu(),
nn.Dropout(0.3),
nn.MaxPool(2),
nn.Conv2d(16,32,
kernel_size=(3,3),
stride=(2,2),
nn.Relu(),
nn.Dropout(0.3),
nn.MaxPool(2))
#定义全连接层
self.fc1=nn.Linear(32*3*7,11)
self.fc2=nn.Linear(32*3*7,11)
self.fc3=nn.Linear(32*3*7,11)
self.fc4=nn.Linear(32*3*7,11)
self.fc5=nn.Linear(32*3*7,11)
self.fc6=nn.Linear(32*3*7,11)
def froward(self,img):
feat = self.cnn(img)
feat = feat.view(feat.shape[0],-1)
c1=self.fc1(feat)
c2=self.fc2(feat)
c3=self.fc3(feat)
c4=self.fc4(feat)
c5=self.fc5(feat)
c6=self.fc6(feat)
return c1,c2,c3,c4,c5,c6
#模型初始化
model = SVHN_Model()
#损失函数
criterion=nn.CrossEntropyLoss()
#定义优化器
optimizer=torch.optim.Adam(model.parameters(),0.005)
loss_plot,c0_plot = [],[]
#迭代10次
for epoch in range(10):
for data in train_loader:
c0,c1,c2,c3,c4,c5 = model(data[0])
target=data[1].long()
#将所得损失函数相加
loss=criterion(c0,target[:,0] + \
criterion(c1,target[:,1] + \
criterion(c2,target[:,2] + \
criterion(c3,target[:,3] + \
criterion(c4,target[:,4] + \
criterion(c5,target[:,5] + \
loss/=6
optimizer.zero_grad()
loss.backward()
optimizer.step()
loss_plot.append(loss.item())
c0_plot.append((c0.argmax(1)==target[:,0].sum().item()*1.0/c0.shape[0]
print(epoch)
当然为了追求精度,在这里我们可以使用ImageNet数据集上的预训练模型,具体代码如下:
class SVHN_Model1(nn.Module):
def __init__(self):
super(SVHN_Model1,self).__init__()
model_conv = models.resnet18(pretrained=True)
model_conv.avgpool = nn.AdaptiveAvgPool2d(1) #这里可以换成maxpool
model_conv = nn.Sequential(*list(model_conv.children())[:-1])
self.cnn = model_conv
self.fc1=nn.Linear(512,11)
self.fc2=nn.Linear(512,11)
self.fc3=nn.Linear(512,11)
self.fc4=nn.Linear(512,11)
self.fc5=nn.Linear(512,11)
self.fc6=nn.Linear(512,11)
def forward(self,img):
feat = self.cnn(img)
#print(feat.shape)
feat = feat.view(feat.shape[0],-1)
c1 = self.fc1(feat)
c2 = self.fc2(feat)
c3 = self.fc3(feat)
c4 = self.fc4(feat)
c5 = self.fc5(feat)
c6 = self.fc6(feat)
return c1,c2,c3,c4,c5,c6