前言
为什么要“深度学习”?
全连接网络问题:链接权过多,算的慢,难收敛,同时可能进入局部极小值,也容易产生过拟合问题。比如说输入1000×1000的图像,隐含层有1M个节点,则输入到隐含层之间有1M×1M数量级参数。
解决算的慢问题:减少权值连接,每一个节点只连到上一层的少数神经元,即局部连接网络。
解决难收敛、算的慢问题:权值过多极易产生过拟合。为了消除这个问题,我们回想人类的解决思路,即信息分层处理,每一层在上层提取特征的基础上获取进行再处理,得到更高级别的特征。
深度学习平台有很多,比如说TensorFlow,PyTorch等,二者对比如下:
PyTorch基本使用
张量(Tensor):一个物理量,对高维(维数不小于2)的物理量进行“量纲分析”的一种工具。例如:一维数组称为矢量,二维数组称为二阶张量,三维数组称为三阶张量等。
计算图:用“节点”和“线”的有向图来描述数学计算的图像。“节点”一般用来表示施加的数学操作,但也可以表示数据输入的起点/输出的终点,或者是读取/写入持久变量的终点。“线”表示“节点”之间的输入/输出关系。这些数据“线”可以运输“size可动态调整”的多为数据数组,即“张量”。
- 使用tensor表示数据
- 使用Dataset、DataLoader读取样本数据和标签
- 使用变量(Variable)存储神经网络权值等参数
- 使用计算图(conputational graph)来表示计算任务
- 在代码运行过程中同时执行计算图
卷积神经网络基础
进化史
基本概念
特征提取
图像卷积时,首先把卷积核(黄色)上下转置,此处是对称的,所以忽视。
填充(Padding)和步长(Stride)
填充(Padding),也就是在矩阵的边界上填充一些值,以增加矩阵的大小,通常用0或者复制边界像素来进行填充。
步长(Stride),如图步长为2
多通道卷积:如RGB
池化(Polling)
思想:使用局部统计特征,如均值或最大值,解决特征过多问题。
卷积神经网络结构
构成:由多个卷积层和下采样层构成,后面可连接全连接网络
卷积层:k个滤波器
下采样层:采用mean或max
后面:连着全连接网络
经典BP算法
LeNet-5网络
网络结构
C1层
- 6个Feature map构成
- 每个神经元对输入进行5×5卷积
- 每个神经元对应5×5+1个参数,共6个Feature map,28×28个神经元,因此共有(5×5+1)×6×(28×28)=122304连接
S2层
池化层
C3层
卷积层
S4层
与S2工作相同
C5层
- 120个神经元
- 每个神经元同样对输入进行5×5卷积,与S4全连接
- 总连接数(5×5×16+1)×120=48120
F6层
- 84个神经元
- 与C5全连接
- 总连接数(120+1)×84=10164
输出层
- 由欧式径向基函数单元构成
- 每类一个单元
- 输出RBF单元计算输入向量和参数向量之间的欧氏距离
网络说明
与现在网络区别
- 卷积时不进行填充
- 池化层选用平均池化而非最大池化
- 选用Sigmod或tanh而非ReLU作为费现象环节激活函数
- 层数较浅,参数数量小(约为6万)
普遍规律
- 随网络深入,宽、高衰减,通道数增加
import torch
from torch import nn
from d2l import torch as d2l
class Reshape(torch.nn.Module):
def forward(self,x):
return x.view(-1,1,28,28)
net = nn.Sequential(
Reshape(),
nn.Conv2d(1, 6, kernel_size=5, padding=2), nn.Sigmoid(),
nn.AvgPool2d(kernel_size=2, stride=2),
nn.Conv2d(6, 16, kernel_size=5), nn.Sigmoid(),
nn.AvgPool2d(kernel_size=2, stride=2),
nn.Flatten(),
nn.Linear(16 * 5 * 5, 120), nn.Sigmoid(),
nn.Linear(120, 84), nn.Sigmoid(),
nn.Linear(84, 10))
基本卷积神经网络
AlexNet
网络说明
网络一共有8层可学习层——5层卷积层和3层全连接层
改进:
- 池化层均采用最大池化
- 选用ReLU作为非线性环节激活函数
- 网络规模扩大,参数数量接近6000万
- 出现“多个卷积层+一个池化层”的结构
普遍规律:随网络深入,宽、高衰减,通道数增加
改进:输入样本
- 从原始图像(256,256)中,随机的crop出一些图像(224,224)【平移变换,crop】
- 水平翻转图像【反射变换】
- 给图像增加一些随机的光照【光照、彩色变换,color jittering】
改进:激活函数
- 采用ReLU替代Tan Sigmoid
- 用于卷积层与全连接层之后
改进:Dropout
在每个全连接层后面使用一个Dropout层,以概率p随机关闭激活函数
改进:双GPU策略
第一层卷积核可视化
训练AlexNet网络
lr, num_epochs = 0.01, 10
d2l.train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu())