NiN-网络中的网络
LeNet、AlexNet和VGG都有一个共同的设计模式:
通过一系列的卷积层与汇聚层来提取空间结构特征;然后通过全连接层对特征的表征进行处理。
AlexNet和VGG对LeNet的改进主要在于如何扩大和加深这两个模块。 或者,可以想象在这个过程的早期使用全连接层。然而,如果使用了全连接层,可能会完全放弃表征的空间结构。
网络中的网络(NiN) 提供了一个非常简单的解决方案:在每个像素的通道上分别使用多层感知机。
NiN块
回想一下,卷积层的输入和输出由四维张量组成,张量的每个轴分别对应样本、通道、高度和宽度。
NiN的想法是在 每个像素位置(针对每个高度和宽度) 应用一个全连接层。 如果我们将权重连接到每个空间位置,我们可以将其视为 1 × 1 1 \times 1 1×1 卷积层,或作为在每个像素位置上独立作用的全连接层。 从另一个角度看,即将空间维度中的每个像素视为单个样本,将通道维度视为不同特征(feature)。
下图说明了VGG和NiN及它们的块之间主要架构差异。 NiN块以一个普通卷积层开始,后面是两个 1 × 1 1 \times 1 1×1 的卷积层。这两个 1 × 1 1 \times 1 1×1 卷积层充当带有ReLU激活函数的逐像素全连接层。 第一层的卷积窗口形状通常由用户设置。 随后的卷积窗口形状固定为 1 × 1 1 \times 1 1×1 。
import torch #引入依赖包
from torch import nn
from d2l import torch as d2l
#定义nin网络块
def nin_block(in_channels, out_channels, kernel_size, strides, padding):
return nn.Sequential(
#定义卷积层块
nn.Conv2d(in_channels, out_channels, kernel_size, strides, padding),
nn.ReLU(),
nn.Conv2d(out_channels, out_channels, kernel_size=1), nn.ReLU(),
nn.Conv2d(out_channels, out_channels, kernel_size=1), nn.ReLU())
NiN模型
最初的NiN网络是在AlexNet后不久提出的,显然从中得到了一些启示。 NiN使用窗口形状为 11 × 11 11 \times 11 11×11 、 5 × 5 5 \times 5 5×5 和 3 × 3 3 \times 3 3×3 的卷积层,输出通道数量与AlexNet中的相同。 每个NiN块后有一个最大汇聚层,汇聚窗口形状为 3 × 3 3 \times 3 3×3 ,步幅为2。
NiN和AlexNet之间的一个显著区别是NiN完全取消了全连接层。 相反,NiN使用一个NiN块,其输出通道数等于标签类别的数量。最后放一个 全局平均汇聚层(global average pooling layer) ,生成一个对数几率 (logits)。NiN设计的一个优点是,它显著减少了模型所需参数的数量。然而,在实践中,这种设计有时会增加训练模型的时间。
# 定义网络中的网络NiN模型
net = nn.Sequential(
nin_block(1, 96, kernel_size=11, strides=4, padding=0), #定义一个NiN块
nn.MaxPool2d(3, stride=2),
nin_block(96, 256, kernel_size=5, strides=1, padding=2),
nn.MaxPool2d(3, stride=2),
nin_block(256, 384, kernel_size=3, strides=1, padding=1),
nn.MaxPool2d(3, stride=2),
nn.Dropout(0.5), #使用暂退法减低模型复杂度
# 标签类别数是 10
nin_block(384, 10, kernel_size=3, strides=1, padding=1),
nn.AdaptiveAvgPool2d((1, 1)), #自定义池化层,最终样本的像素被压缩为(1, 1)
#将四维的输出转成二维的输出,其形状为(批量大小, 10)
nn.Flatten())
我们创建一个数据样本来查看每个块的输出形状。
X = torch.rand(size=(1, 1, 224, 224))
for layer in net:
X = layer(X)
print(layer.__class__.__name__, 'output shape:\t', X.shape)
Sequential output shape: torch.Size([1, 96, 54, 54])
MaxPool2d output shape: torch.Size([1, 96, 26, 26])
Sequential output shape: torch.Size([1, 256, 26, 26])
MaxPool2d output shape: torch.Size([1, 256, 12, 12])
Sequential output shape: torch.Size([1, 384, 12, 12])
MaxPool2d output shape: torch.Size([1, 384, 5, 5])
Dropout output shape: torch.Size([1, 384, 5, 5])
Sequential output shape: torch.Size([1, 10, 5, 5])
AdaptiveAvgPool2d output shape: torch.Size([1, 10, 1, 1])
Flatten output shape: torch.Size([1, 10])
训练模型
和之前一样,我们使用Fashion-MNIST来训练模型。训练NiN与训练AlexNet、VGG时相似。
lr, num_epochs, batch_size = 0.1, 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,训练集准确度为 0.853, 测试集准确度为 0.855。
小结
1.NiN使用由一个卷积层和多个 1 × 1 1 \times 1 1×1 卷积层组成的块。该块可以在卷积神经网络中使用,以允许更多的每像素非线性。
2.NiN去除了容易造成过拟合的全连接层,将它们替换为全局平均汇聚层, 该汇聚层通道数量为所需的输出数量。
3.移除全连接层可减少过拟合,同时显著减少NiN的参数。
4.NiN的设计影响了许多后续卷积神经网络的设计。