Datawhale X 李宏毅苹果书 AI夏令营 深度学习task3笔记

批量归一化

Z 值归一化(标准化)

同一个维度里面的数值，把它取出来，对于每个维度 i，计算其平均值和标准差

数值就会平均是 0，其方差是 1，所以这一排数值的分布就都会在 0 上下

在做梯度下降的时候，损失收敛更快一点，训练更顺利一点

之前的 x独立分开处理,在做特征归一化以后，这三个样本变得彼此关联了

让网络隐藏层的输出平均值不是 0，每一个维度的分布，是比较接近的

移动平均

一般都会选择ReLU

感觉掌握的不是很熟悉，不过后面卷积神经网络就比较清楚了，看来还是对基础概念不牢，也是打基础了

一张图像是一个三维的张量，其中一维代表图像的宽，另外一维代表图像的高，还有一维代表图像的通道的数目

一张图像是由100×100×3 个数字所组成的，把这些数字排成一排就是一个巨大的向量

卷积神经网络会设定一个区域，即感受野

描述一个感受野的时候，只要讲它的高跟宽，不用讲它的深度，因为它的深度就等于通道数，而高跟宽合起来叫做核大小

在图像识别里面，一般核大小不会设太大，3 × 3 的核大小就足够了

我们把左上角的感受野往右移一个步幅，就制造出一个新的守备范围，即新的感受野。移动的量称为步幅

步幅往往不会设太大，一般设为 1 或 2

超出范围就做填充，超出范围就补 0

让不同感受野的神经元共享参数，参数共享

所以每个感受野都只有一组参数而已，这些参数称为滤波器

全连接网络可以决定它看整张图像还是只看一个范围，如果它只想看一个范围，可以把很多权重设成 0

感受野加上参数共享就是卷积层

当一张图像通过一个卷积层里面一堆滤波器的时候，就会产生一个特征映射

特征映射可以看成是另外一张新的图像，每个通道就对应到一个滤波器

共享权重其实就是用滤波器扫过一张图像，这个过程就是卷积

汇聚是取每一组的平均值，把图像变小

接下来是实战的详解

def __init__(self, in_channels, out_channels, stride=1, downsample=None):
        super(BasicBlock, self).__init__()
        self.conv1 = nn.Conv2d(in_channels, out_channels, kernel_size=3, stride=stride, padding=1)
        self.bn1 = nn.BatchNorm2d(out_channels)
        self.conv2 = nn.Conv2d(out_channels, out_channels, kernel_size=3, stride=1, padding=1)
        self.bn2 = nn.BatchNorm2d(out_channels)
        self.downsample = downsample
        self.relu = nn.ReLU(inplace=True)

    def forward(self, x):
        identity = x
        out = self.conv1(x)
        out = self.bn1(out)
        out = self.relu(out)
        out = self.conv2(out)
        out = self.bn2(out)
        
        if self.downsample is not None:
            identity = self.downsample(x)
        
        out += identity
        out = self.relu(out)
        return out

class ResNetClassifier(nn.Module):
    def __init__(self, block, layers, num_classes=11):
        super(ResNetClassifier, self).__init__()
        self.in_channels = 64
        self.conv1 = nn.Conv2d(3, 64, kernel_size=7, stride=2, padding=3)
        self.bn1 = nn.BatchNorm2d(64)
        self.relu = nn.ReLU(inplace=True)
        self.maxpool = nn.MaxPool2d(kernel_size=3, stride=2, padding=1)
        self.layer1 = self._make_layer(block, 64, layers[0])
        self.layer2 = self._make_layer(block, 128, layers[1], stride=2)
        self.layer3 = self._make_layer(block, 256, layers[2], stride=2)
        self.layer4 = self._make_layer(block, 512, layers[3], stride=2)
        self.avgpool = nn.AdaptiveAvgPool2d((1, 1))
        self.fc = nn.Linear(512, num_classes)

    def _make_layer(self, block, out_channels, blocks, stride=1):
        downsample = None
        if stride != 1 or self.in_channels != out_channels:
            downsample = nn.Sequential(
                nn.Conv2d(self.in_channels, out_channels, kernel_size=1, stride=stride),
                nn.BatchNorm2d(out_channels),
            )

        layers = []
        layers.append(block(self.in_channels, out_channels, stride, downsample))
        self.in_channels = out_channels
        for _ in range(1, blocks):
            layers.append(block(out_channels, out_channels))

        return nn.Sequential(*layers)

    def forward(self, x):
        x = self.conv1(x)
        x = self.bn1(x)
        x = self.relu(x)
        x = self.maxpool(x)

        x = self.layer1(x)
        x = self.layer2(x)
        x = self.layer3(x)
        x = self.layer4(x)

        x = self.avgpool(x)
        x = x.view(x.size(0), -1)
        x = self.fc(x)
        return x

# 使用ResNet18风格的层数
model = ResNetClassifier(BasicBlock, [2, 2, 2, 2])