LeNet5详解+Pytorch代码

从零开始学习深度学习，从较早的经典模型开始学习，希望能够坚持下去，写成一个系列。LeNet5网络既经典又重要，网上关于该模型的解释数不胜数，我也就不做重复的劳动了，直接给出个人认为比较好的介绍的链接，只对其中部分内容作简要介绍，算是自己的笔记，给自己看的。

论文地址：https://ieeexplore.ieee.org/document/726791

论文详解：https://www.datalearner.com/blog/1051558664111790

模型

输入： 32*32的灰度图像，每个像素的取值范围0-255。

C1层： 卷积层，6个5*5的卷积核，步长为1，得到6个28*28的图像；。

S2层： 下采样层，或者池化层，大小为2*2，平均池化，步长为2，得到6个14*14的图像。

C3层： 卷积层，16个大小为5*5的卷积核，步长为1，得到16个10*10的图像。

通常所说卷积核个数指的是后一层输出个数，但是每个卷积核中参数数量不仅是5*5，还与前一层连接数量有关。比如前一层有6张图片，经过16个卷积核，卷积核大小为5*5，输出16张图片，假设每个卷积核与前一层6张图片中每一张都进行运算，则每一个卷积核实际参数数量为：5*5*6，所有卷积核共有参数数量：5*5*6*16。

论文中，16个卷积核并不是和前一层6张图片的每一张都做卷积，而是只和前一层部分图片做卷积。其对应关系如下所是：

这样卷积核的参数就由2400个，减少到了1516个。

S4层： 下采样层，或池化层，池化大小为2*2，采用平均池化，步长为2，得到16个5*5的图像。

C5层： 卷积层，120个5*5的卷积核，得到120个神经元，至此没有图像。同理，卷积核的参数数量为：5*5*16*120。

C6层： 全连接层，输出为84个神经元。

C7层： 输出层，输出10个神经元，代表数字0-9，共10类。

Pytorch代码

import torch
import torch.nn as nn
from torch.autograd import Variable
import torch.utils.data as Data
import torchvision

# Hyper parameters
EPOCH = 1
BATCH_SIZE = 50
LR = 0.001
DOWNLOAD_MNIST = True

train_data = torchvision.datasets.MNIST(
    root='./mnist',
    train=True,
    transform=torchvision.transforms.ToTensor(),
    download=DOWNLOAD_MNIST
)

#
train_loader = Data.DataLoader(
    dataset=train_data,
    batch_size=BATCH_SIZE,
    shuffle=True,
    num_workers=2
)

test_data = torchvision.datasets.MNIST(
    root='./mnist',
    train=False
)
test_x = Variable(torch.unsqueeze(test_data.test_data,dim=1),volatile=True).type(torch.FloatTensor)[:2000]/255.
test_y = test_data.test_labels[:2000]

# CNN

class CNN(nn.Module):
    def __init__(self):
        super(CNN,self).__init__()
        self.conv1 = nn.Sequential(
            nn.Conv2d(       #(1*28*28)
                in_channels=1,
                out_channels=16,
                kernel_size=5,
                stride=1, #步长
                padding=2,
            ),    #(16*28*28)
            nn.ReLU(),
            nn.MaxPool2d(kernel_size=2),#(16*14*14)
        )
        self.conv2 = nn.Sequential(  # 16*14*14
            nn.Conv2d(16,32,5,1,2),  #32*14*14
            nn.ReLU(),
            nn.MaxPool2d(2)   # 32*7*7
        )
        self.out = nn.Linear(32*7*7,10)  #全连接

    def forward(self, x):
        x = self.conv1(x)
        x = self.conv2(x)   #(batch,32,7,7)
        x = x.view(x.size(0),-1) #(batch,32*7*7)
        output = self.out(x)
        return output

cnn = CNN()
# print(cnn)
optimizer = torch.optim.Adam(cnn.parameters(),lr=LR)
loss_func = nn.CrossEntropyLoss()
# training and testing
for epoch in range(EPOCH):
    for step,(x,y) in enumerate(train_loader):
        b_x = Variable(x)
        b_y = Variable(y)

        output = cnn(b_x)
        loss = loss_func(output,b_y)
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()

        if step % 50 == 0:
            test_output = cnn(test_x)
            pred_y = torch.max(test_output,1)[1].data.squeeze()
            accuracy = sum(pred_y == test_y) / test_y.size(0)
            print('Epoch: ',epoch,'| train loss: %4.f' %loss.item(),'| test accuracy: ',accuracy)

# print 10 predictions from test data
test_output = cnn(test_x[:10])
pred_y = torch.max(test_output,1)[1].data.numpy().squeeze()
print(pred_y,'prediction number')
print(test_y[:10].numpy(),'real number')