跟着问题学8——GoogLeNet网络详解及代码实战

不如语冰

于 2024-08-27 19:30:00 发布

阅读量1k

点赞数 23

分类专栏： AI与大模型笔记文章标签：网络深度学习人工智能 python ai 语言模型

本文链接：https://blog.csdn.net/weixin_42251091/article/details/141532015

版权

AI与大模型笔记专栏收录该内容

11 篇文章 1 订阅

订阅专栏

GoogLeNet

GoogLeNet是2014年Christian Szegedy等人在2014年大规模视觉挑战赛(ILSVRC-2014)上使用的一种全新卷积神经网络结构，并以6.65%的错误率力压VGGNet等模型取得了ILSVRC-2014在分类任务上的冠军，于2015年在CVPR发表了论文《Going Deeper with Convolutions》。在这之前的AlexNet、VGG等结构都是通过增大网络的深度（层数）来获得更好的训练效果，但层数的增加会带来很多负作用，比如overfitting、梯度消失、梯度爆炸等，GoogLeNet则做了更加大胆的网络结构尝试，Inception的提出则从另一种角度来提升训练结果：能更高效的利用计算资源，在相同的计算量下能提取到更多的特征，从而提升训练结果，采用了Inception结构的GoogLeNet深度只有22层，其参数约为AlexNet的1/12，是同时期VGGNet的1/3。

GoogLeNet是谷歌(Google)提出的深度网络结构，为什么不叫“GoogleNet”，而叫“GoogLeNet”，是为了向经典模型“LeNet”致敬

Inception结构

Inception(盗梦空间结构)是经典模型GoogLeNet中最核心的子网络结构，GoogLeNet是Google团队提出的一种神经网络模型，并在2014年ImageNet挑战赛(ILSVRC14)上获得了冠军。Google团队在随后2年里不断改进，相继提出了v1-v4和xcpetion结构

Inception就是将多个卷积或池化操作放在一起组装成一个网络模块，设计神经网络时，以模块为单位去组装整个网络结构。Inception结构设计了一个稀疏网络结构，但是能够产生稠密的数据，既能增加神经网络表现，又能保证计算资源的使用效率。

如图所示，原始inception的结构就是对于同一个特征图输入，并行放置一个1*1,3*3,5*5和一个3*3池化层，让这些网络层同步对前面的特征图计算提取信息，然后将其在通道维度上合并（这也就意味着这些网络层计算输出的新特征图的长宽尺寸是一致的）。好处是可以使提取出来的特征具有多样化，并且特征之间的co-relationship不会很大，最后用把feature map都concatenate起来使网络做得很宽，然后堆叠Inception Module将网络变深。但仅仅简单这么做会使一层的计算量爆炸式增长。

这里涉及到另一个问题，因为卷积层参数的数量是size*size*in_channel*out_channel，这也就意味着3*3和5*5尺寸的卷积核在通道数多的时候参数是巨大的，

假设input feature map的size为 28 × 28 × 256 28\times28\times256 28×28×256，output feature map的size为 28 × 28 × 480 28\times28\times480 28×28×480，则native Inception Module的计算量有854M。计算过程如下

从上图可以看出，计算量主要来自高维卷积核的卷积操作，因而在每一个卷积前先使用 1×1卷积核将输入图片的feature map维度先降低，进行信息压缩，在使用3x3卷积核进行特征提取运算，

相同情况下，Inception v1的计算量仅为358M。

GoogLeNet中使用了9个Inception v1 module，分别被命名为inception(3a)、inception(3b)、inception(4a)、inception(4b)、inception(4c)、inception(4d)、inception(4e)、inception(5a)、inception(5b)。

辅助分类器

GoogLeNet网络结构中有深层和浅层2个分类器，两个辅助分类器结构是一模一样的，其组成如下图所示，这两个辅助分类器的输入分别来自Inception(4a)和Inception(4d)。

辅助分类器的第一层是一个平均池化下采样层，池化核大小为5x5，stride=3；第二层是卷积层，卷积核大小为1x1，stride=1，卷积核个数是128；第三层是全连接层，节点个数是1024；第四层是全连接层，节点个数是1000（对应分类的类别个数）。

在模型训练时的损失函数按照： L o s s = L 0 + 0.3 ∗ L 1 + 0.3 ∗ L 2 Loss=L_0+0.3*L_1+0.3*L_2 Loss=L0+0.3∗L1+0.3∗L2， L 0 L_0 L0是最后的分类损失。

在训练模型时，将两个辅助分类器的损失乘以权重（论文中是0.3）加到网络的整体损失上，再进行反向传播。在测试阶段则去掉辅助分类器，只记最终的分类损失。

辅助分类器的两个分支有什么用呢？

作用一：可以把他看做inception网络中的一个小细节，它确保了即便是隐藏单元和中间层也参与了特征计算，他们也能预测图片的类别，他在inception网络中起到一种调整的效果，并且能防止网络发生过拟合。

作用二：给定深度相对较大的网络，有效传播梯度反向通过所有层的能力是一个问题。通过将辅助分类器添加到这些中间层，可以期望较低阶段分类器的判别力。在训练期间，它们的损失以折扣权重（辅助分类器损失的权重是0.3）加到网络的整个损失上。

模型结构

9个inception模块堆叠
depth，共22层，算上池化层就27层
权重和计算量均匀分配给各层
output size = #1×1 + #3×3 + #5×5 + pool proj
所有卷积都使用了修正线性激活(rectified linear activation，ReLU)
avg pool：Global Average Pooling（全局平均池化），一个channel用一个平均值代表，取代FC层，减少参数量。优点：①便于迁移学习②top-1提高了0.6%的准确率
线性层：使网络能很容易地适应其它的标签集。

辅助分类器：

为了避免网络过深引起的浅层梯度消失问题

· 原理：浅层特征对于分类已经有足够的区分性

· 位于Inception (4a)和Inception (4b)模块的输出上

· 训练时：损失函数

L = L主 + 0.3 * L辅1 + 0.3 * L辅2 ；预测时：不管这两个辅助分类器。
后面的控制实验表明辅助网络的影响相对较小（约0.5），只需要其中一个就能取得同样的效果。

包括辅助分类器在内的附加网络的具体结构如下：

一个大小5×5，步长3的平均池化层
具有128个1×1卷积，用于降维和修正线性激活
具有1024个单元和修正线性激活的全连接层
70% dropout层
带有softmax损失的线性层作为分类器（作为主分类器预测同样的1000类，但在推断时移除）

模型亮点

首先说说该模型的亮点：

采用了模块化的设计（stem, stacked inception module, axuiliary function和classifier），方便层的添加与修改。

Stem部分：论文指出Inception module要在网络中间使用的效果比较好，因此网络前半部分依旧使用传统的卷积层代替

辅助函数(Axuiliary Function)：从信息流动的角度看梯度消失，因为是梯度信息在BP过程中能量衰减，无法到达浅层区域，因此在中间开个口子，加个辅助损失函数直接为浅层

Classifier部分：从VGGNet以及NIN的论文中可知，fc层具有大量层数，因此用average pooling替代fc,减少参数数量防止过拟合。在softmax前的fc之间加入dropout，p=0.7,进一步防止过拟合。

使用1x1的卷积核进行降维以及映射处理（虽然VGG网络中也有，但该论文介绍的更详细）。

引入了Inception结构（融合不同尺度的特征信息）。

丢弃全连接层，使用平均池化(average pooling)层，大大减少模型参数。

为了避免梯度消失，网络额外增加了2个辅助的softmax用于向前传导梯度（辅助分类器）。辅助分类器是将中间某一层的输出用作分类，并按一个较小的权重（0.3）加到最终分类结果中，这样相当于做了模型融合，同时给网络增加了反向传播的梯度信号，也提供了额外的正则化，对于整个网络的训练很有裨益。而在实际测试的时候，这两个额外的softmax会被去掉。

代码

model.py

model.py

import torch
import torch.nn as nn
import torch.optim
import random
import torch.nn.functional as F

#将卷积层和relu层封装到一起
class BasicConv2d(nn.Module):
    def __init__(self,in_channel,out_channel,**kwargs):
        super(BasicConv2d,self).__init__()
        self.conv=nn.Conv2d(in_channels=in_channel,out_channels=out_channel,**kwargs)
        # ReLU(inplace=True)：将tensor直接修改，不找变量做中间的传递，节省运算内存，不用多存储额外的变量
        self.relu=nn.ReLU(inplace=True)
    def forward(self,x):
        x=self.conv(x)
        x=self.relu(x)
        return x

class Inception(nn.Module):
    def __init__(self,in_channels,ch1x1,ch3x3red,ch3x3, ch5x5red, ch5x5, pool_proj):
        super(Inception,self).__init__()
        # 分支1，单1x1卷积层
        self.branch1=BasicConv2d(in_channels,ch1x1,kernel_size=1)
        # 分支2，1x1卷积层后接3x3卷积层
        self.branch2=nn.Sequential(
            BasicConv2d(in_channels,ch3x3red,kernel_size=1),
            # 保证输出大小等于输入大小
            BasicConv2d(ch3x3red,ch3x3,kernel_size=3,padding=1)
        )
        # 分支3，1x1卷积层后接5x5卷积层
        self.branch3=nn.Sequential(
            BasicConv2d(in_channels,ch5x5red,kernel_size=1),
            # 保证输出大小等于输入大小
            BasicConv2d(ch5x5red,ch5x5,kernel_size=5,padding=2)
        )
        # 分支4，3x3最大池化层后接1x1卷积层
        self.branch4=nn.Sequential(
            nn.MaxPool2d(kernel_size=3,stride=1,padding=1),
            BasicConv2d(in_channels,pool_proj,kernel_size=1)
        )
    # forward()：定义前向传播过程,描述了各层之间的连接关系及数据的流动和维度变化
    def forward(self,x):
        branch1=self.branch1(x)
        branch2=self.branch2(x)
        branch3=self.branch3(x)
        branch4=self.branch4(x)
        # 在通道维上连结输出,四个维度分别是batch_size,通道，高和宽
        outputs=[branch1,branch2,branch3,branch4]
        # cat()：在给定维度上对输入的张量序列进行连接操作，通道在第1维
        return  torch.cat(outputs,dim=1)
# 辅助分类器
class InceptionAux(nn.Module):
    def __init__(self,in_channels,num_classes):
        super(InceptionAux,self).__init__()
        self.averagePool=nn.AvgPool2d(kernel_size=5,stride=3)
        self.conv=BasicConv2d(in_channels,out_channel=128,kernel_size=1)
        # in_features,上一层output[batch, 128, 4, 4]，128X4X4=2048
        self.fc1=nn.Linear(in_features=2048,out_features=1024)
        self.fc2=nn.Linear(in_features=1024,out_features=num_classes)
    def forward(self,x):
        # 输入：分类器1：Nx512x14x14，分类器2：Nx528x14x14
        x=self.averagePool(x)
        # 输入：分类器1：Nx512x14x14，分类器2：Nx528x14x14
        x=self.conv(x)
        # 输入：N x 128 x 4 x 4
        x=torch.flatten(x,1)
        # 设置.train()时为训练模式，self.training=True
        x=F.dropout(x,p=0.5,training=self.training)
        # 输入：N x 2048
        x=F.relu(self.fc1(x),inplace=True)
        x=F.dropout(x,p=0.5,training=self.training)
        # 输入：N x 1024
        x = self.fc2(x)
        # 返回值：N*num_classes
        return x

# 定义GoogLeNet网络模型
class GoogLeNet(nn.Module):
    # init()：进行初始化，申明模型中各层的定义
    # num_classes：需要分类的类别个数
    # aux_logits：训练过程是否使用辅助分类器，init_weights：是否对网络进行权重初始化
    def __init__(self, num_classes=1000, aux_logits=True, init_weights=False):
        super(GoogLeNet, self).__init__()
        self.aux_logits = aux_logits

        self.conv1 = BasicConv2d(3, 64, kernel_size=7, stride=2, padding=3)
        # ceil_mode=true时，将不够池化的数据自动补足NAN至kernel_size大小
        self.maxpool1 = nn.MaxPool2d(3, stride=2, ceil_mode=True)

        self.conv2 = BasicConv2d(64, 64, kernel_size=1)
        self.conv3 = BasicConv2d(64, 192, kernel_size=3, padding=1)
        self.maxpool2 = nn.MaxPool2d(3, stride=2, ceil_mode=True)

        self.inception3a = Inception(192, 64, 96, 128, 16, 32, 32)
        self.inception3b = Inception(256, 128, 128, 192, 32, 96, 64)
        self.maxpool3 = nn.MaxPool2d(3, stride=2, ceil_mode=True)

        self.inception4a = Inception(480, 192, 96, 208, 16, 48, 64)
        self.inception4b = Inception(512, 160, 112, 224, 24, 64, 64)
        self.inception4c = Inception(512, 128, 128, 256, 24, 64, 64)
        self.inception4d = Inception(512, 112, 144, 288, 32, 64, 64)
        self.inception4e = Inception(528, 256, 160, 320, 32, 128, 128)
        self.maxpool4 = nn.MaxPool2d(3, stride=2, ceil_mode=True)

        self.inception5a = Inception(832, 256, 160, 320, 32, 128, 128)
        self.inception5b = Inception(832, 384, 192, 384, 48, 128, 128)

        # 如果为真，则使用分类器
        if self.aux_logits:
            self.aux1 = InceptionAux(512, num_classes)
            self.aux2 = InceptionAux(528, num_classes)
        # AdaptiveAvgPool2d：自适应平均池化，指定输出（H，W）
        self.avgpool = nn.AdaptiveAvgPool2d((1, 1))
        self.dropout = nn.Dropout(0.4)
        self.fc = nn.Linear(1024, num_classes)
        # 如果为真，则对网络参数进行初始化
        if init_weights:
            self._initialize_weights()

    # forward()：定义前向传播过程,描述了各层之间的连接关系
    def forward(self, x):
        # N x 3 x 224 x 224
        x = self.conv1(x)
        # N x 64 x 112 x 112
        x = self.maxpool1(x)
        # N x 64 x 56 x 56
        x = self.conv2(x)
        # N x 64 x 56 x 56
        x = self.conv3(x)
        # N x 192 x 56 x 56
        x = self.maxpool2(x)

        # N x 192 x 28 x 28
        x = self.inception3a(x)
        # N x 256 x 28 x 28
        x = self.inception3b(x)
        # N x 480 x 28 x 28
        x = self.maxpool3(x)
        # N x 480 x 14 x 14
        x = self.inception4a(x)
        # N x 512 x 14 x 14
        # 设置.train()时为训练模式，self.training=True
        if self.training and self.aux_logits:
            aux1 = self.aux1(x)

        x = self.inception4b(x)
        # N x 512 x 14 x 14
        x = self.inception4c(x)
        # N x 512 x 14 x 14
        x = self.inception4d(x)
        # N x 528 x 14 x 14
        if self.training and self.aux_logits:
            aux2 = self.aux2(x)

        x = self.inception4e(x)
        # N x 832 x 14 x 14
        x = self.maxpool4(x)
        # N x 832 x 7 x 7
        x = self.inception5a(x)
        # N x 832 x 7 x 7
        x = self.inception5b(x)
        # N x 1024 x 7 x 7

        x = self.avgpool(x)
        # N x 1024 x 1 x 1
        x = torch.flatten(x, 1)
        # N x 1024
        x = self.dropout(x)
        x = self.fc(x)
        # N x 1000 (num_classes)
        if self.training and self.aux_logits:
            return x, aux2, aux1
        return x

    # 网络结构参数初始化
    def _initialize_weights(self):
        # 遍历网络中的每一层
        for m in self.modules():
            # isinstance(object, type)，如果指定的对象拥有指定的类型，则isinstance()函数返回True
            # 如果是卷积层
            if isinstance(m, nn.Conv2d):
                # Kaiming正态分布方式的权重初始化
                nn.init.kaiming_normal_(m.weight, mode='fan_out', nonlinearity='relu')
                # 如果偏置不是0，将偏置置成0，对偏置进行初始化
                if m.bias is not None:
                    # torch.nn.init.constant_(tensor, val)，初始化整个矩阵为常数val
                    nn.init.constant_(m.bias, 0)
            # 如果是全连接层
            elif isinstance(m, nn.Linear):
                # init.normal_(tensor, mean=0.0, std=1.0)，使用从正态分布中提取的值填充输入张量
                # 参数：tensor：一个n维Tensor，mean：正态分布的平均值，std：正态分布的标准差
                nn.init.normal_(m.weight, 0, 0.01)
                nn.init.constant_(m.bias, 0)


if __name__=="__main__":
    x = torch.randn([1, 3, 224, 224])
    # [3, 4, 6, 3] 等则代表了bolck的重复堆叠次数
    # blocks_num=[3,4,6,3]
    # model=ResNet(BasicBlock,blocks_num,num_classes=7)
  #  blocks_num = [3, 4, 6, 3]
    model = GoogLeNet(num_classes=7)
    y = model(x)
    #print(y.size())
    print(model)

参考资料

《动手学深度学习》 — 动手学深度学习 2.0.0 documentation
https://blog.csdn.net/weixin_44772440/article/details/122952961
https://zhuanlan.zhihu.com/p/54289848
Szegedy, C., Liu, W., Jia, Y., Sermanet, P., Reed, S., & Anguelov, D. & Rabinovich, A.(2015). Going deeper with convolutions. In Proceedings of the IEEE conference on computer vision and pattern recognition (pp. 1-9).