VGG-块网络(CNN卷积神经网络)

VGG-块网络

虽然 AlexNet网络 证明了深层神经网络卓有成效，但未提供一个通用的模板来指导后续研究人员来设计新的网络。

使用块的想法首先出现在牛津大学的视觉几何组（visualgeometry group）的VGG网络中。通过使用循环和子程序，可以很容易地在任何现代深度学习框架的代码中实现这些重复的架构。

VGG块

经典卷积神经网络的基本组成部分是下面的这个序列：

1.带填充以保持分辨率的卷积层；

2.非线性激活函数，如ReLU；

3.汇聚层，如最大汇聚层。

VGG块中也效仿了此种方式，其中每个VGG块中包含了:

1.n 个 $3\times 3$ 的卷积层， Padding填充为 1。

2.1 个 $2\times 2$ 的最大池化层，Strides步幅为 2。

如下图:

现在来定义VGG块模型

import torch
from torch import nn
from d2l import torch as d2l

def vgg_block(num_convs, in_channels, out_channels):
    
    layers = []
    
    for _ in range(num_convs):
        layers.append(nn.Conv2d(in_channels, out_channels, kernel_size=3, padding=1))           #添加卷积核为(5, 5)的卷积层
        layers.append(nn.ReLU())                                                                #添加激活函数ReLU()
        in_channels = out_channels
    
    
    layers.append(nn.MaxPool2d(kernel_size=2, stride=2))                                       #追加最大池化层
    
    #(*layer)将列表解开成几个独立的参数网络，传入函数并返回
    return nn.Sequential(*layers)
    

VGG 网络

与AlexNet、LeNet一样，VGG网络可以分为两部分：第一部分主要由卷积层和汇聚层组成，第二部分由全连接层组成。

VGG神经网络连接的几个VGG块（在vgg_block函数中定义），见上图。其中有超参数变量conv_arch。该变量指定了每个VGG块里卷积层个数和输出通道数。全连接模块则与AlexNet中的相同。

原始VGG网络有5个卷积块，其中前两个块各有一个卷积层，后三个块各包含两个卷积层。 第一个模块有64个输出通道，每个后续模块将输出通道数量翻倍，直到该数字达到512。由于该网络使用8个卷积层和3个全连接层，因此它通常被称为VGG-11。

conv_arch = ((1, 64), (1, 128), (2, 256), (2, 512), (2, 512))

下面的代码实现了VGG-11。可以通过在conv_arch上执行for循环来简单实现。

实现VGG-11

#VGG-11块的实现
def vgg(conv_arch):
    conv_blks = []
    
    in_channels = 1                                 #输入通道数是 1
    
    #生成多个VGG块
    #卷积层与池化层部分
    for (num_convs, out_channels) in conv_arch:
        conv_blks.append(vgg_block(num_convs, in_channels, out_channels))
        in_channels = out_channels
        
    return nn.Sequential(
        *conv_blks, nn.Flatten(),
        
        #全连接层部分
        nn.Linear(out_channels * 7 * 7, 4096), nn.ReLU(),
        nn.Linear(4096, 4096), nn.ReLU(),
        nn.Linear(4096, 10))

net = vgg(conv_arch)

接下来，我们将构建一个高度和宽度为224的单通道数据样本，以观察每个层输出的形状。

X = torch.randn(size=(1, 1, 224, 224))
for blk in net:
    X = blk(X)
    print(blk.__class__.__name__, 'output shape:\t\t', X.shape)

Sequential output shape:		 torch.Size([1, 64, 112, 112])
Sequential output shape:		 torch.Size([1, 128, 56, 56])
Sequential output shape:		 torch.Size([1, 256, 28, 28])
Sequential output shape:		 torch.Size([1, 512, 14, 14])
Sequential output shape:		 torch.Size([1, 512, 7, 7])
Flatten output shape:		 torch.Size([1, 25088])
Linear output shape:		 torch.Size([1, 4096])
ReLU output shape:		 torch.Size([1, 4096])
Linear output shape:		 torch.Size([1, 4096])
ReLU output shape:		 torch.Size([1, 4096])
Linear output shape:		 torch.Size([1, 10])

训练模型

由于VGG-11比AlexNet计算量更大，因此我们构建了一个通道数较少的网络，足够用于训练Fashion-MNIST数据集。

ratio = 4
samll_conv_arch = [(pair[0], pair[1]//ratio) for pair in conv_arch]        #此时的5个VGG块的输出通道分别为16， 32， 64， 128， 128
net = vgg(samll_conv_arch)

除了使用略高的学习率外，模型训练过程与AlexNet模型类似。

lr, num_epochs, batch_size = 0.05, 10, 128
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size, resize=224)
d2l.train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu())

可见训练集的精确度为 0.972， 测试集的精确度为 0.917。

小结

1.VGG-11使用可复用的卷积块构造网络。不同的VGG模型可通过每个块中卷积层数量和输出通道数量的差异来定义。

2.块的使用导致网络定义的非常简洁。使用块可以有效地设计复杂的网络。