【动手学习pytorch笔记】14.GoogLeNet

GoogLeNet

前面我们看了那么多卷积神经网络构建的方式，有选3 * 3卷积核的，有5 * 5卷积核的，有7 * 7卷积核的；有maxpooling，有avgpooling，那么哪种比较好呢？GoogLeNet：我全都要

Inception块

盗梦空间Inception块只改变通道数，不改变图片大小

蓝色的块用来抽取图片信息

白色块用来改变通道数

输入 192 * 28 * 28

通道数在每层发生的变化情况

回忆一下，一组卷积核处理一个输入：一个卷积核处理一个通道，最后结果相加得到一个通道，多个卷积核组处理得到多个通道。

输出的通道数是由你有多少组 卷积核组决定的

输入的通道数决定的是每个卷积核组里有多少个卷积核

和 3 * 3 ，5 * 5 的卷积核相比，Inception块的参数更少

​ 如 3 * 3 的卷积核有：192 * 3 * 3 * 256 = 442368 个参数

​ 5 * 5 的卷积核有：192 * 5 * 5 * 256 = 1228800 个参数

​ Inception块只有： 192 * 96 + 192 * 16 + 192 * 64 + 192 * 32 + 16 * 5 * 5 * 32 + 96 * 9 * 128 = 163328 个参数

当然计算速度上也是Inception块更快

GoogLeNet模型结构

AlexNet和GoogLeNet对比

套公式也能算出每层的图片宽高是怎么变化的

Inception块的后续变种

代码实现

Inception块

import torch
from torch import nn
from torch.nn import functional as F
from d2l import torch as d2l


class Inception(nn.Module):

    # c1--c4是每条路径的输出通道数

    def __init__(self, in_channels, c1, c2, c3, c4, **kwargs):
        super(Inception, self).__init__(**kwargs)

        # 线路1，单1x1卷积层

        self.p1_1 = nn.Conv2d(in_channels, c1, kernel_size=1)

        # 线路2，1x1卷积层后接3x3卷积层

        self.p2_1 = nn.Conv2d(in_channels, c2[0], kernel_size=1)
        self.p2_2 = nn.Conv2d(c2[0], c2[1], kernel_size=3, padding=1)

        # 线路3，1x1卷积层后接5x5卷积层

        self.p3_1 = nn.Conv2d(in_channels, c3[0], kernel_size=1)
        self.p3_2 = nn.Conv2d(c3[0], c3[1], kernel_size=5, padding=2)

        # 线路4，3x3最大汇聚层后接1x1卷积层

        self.p4_1 = nn.MaxPool2d(kernel_size=3, stride=1, padding=1)
        self.p4_2 = nn.Conv2d(in_channels, c4, kernel_size=1)

    def forward(self, x):
        p1 = F.relu(self.p1_1(x))
        p2 = F.relu(self.p2_2(F.relu(self.p2_1(x))))
        p3 = F.relu(self.p3_2(F.relu(self.p3_1(x))))
        p4 = F.relu(self.p4_2(self.p4_1(x)))

        # 在通道维度上连结输出

        return torch.cat((p1, p2, p3, p4), dim=1)

继承nn.Module

cat((p1, p2, p3, p4), dim=1) 最后在 dim = 1 这个维度（通道数）上拼接，dim = 0 是批次数

按图实现几个stage

b1 = nn.Sequential(nn.Conv2d(1, 64, kernel_size=7, stride=2, padding=3),
                   nn.ReLU(),
                   nn.MaxPool2d(kernel_size=3, stride=2, padding=1))

b2 = nn.Sequential(nn.Conv2d(64, 64, kernel_size=1),
                   nn.ReLU(),
                   nn.Conv2d(64, 192, kernel_size=3, padding=1),
                   nn.ReLU(),
                   nn.MaxPool2d(kernel_size=3, stride=2, padding=1))

b3 = nn.Sequential(Inception(192, 64, (96, 128), (16, 32), 32),
                   Inception(256, 128, (128, 192), (32, 96), 64),
                   nn.MaxPool2d(kernel_size=3, stride=2, padding=1))

b4 = nn.Sequential(Inception(480, 192, (96, 208), (16, 48), 64),
                   Inception(512, 160, (112, 224), (24, 64), 64),
                   Inception(512, 128, (128, 256), (24, 64), 64),
                   Inception(512, 112, (144, 288), (32, 64), 64),
                   Inception(528, 256, (160, 320), (32, 128), 128),
                   nn.MaxPool2d(kernel_size=3, stride=2, padding=1))

b5 = nn.Sequential(Inception(832, 256, (160, 320), (32, 128), 128),
                   Inception(832, 384, (192, 384), (48, 128), 128),
                   nn.AdaptiveAvgPool2d((1,1)),
                   nn.Flatten())

net = nn.Sequential(b1, b2, b3, b4, b5, nn.Linear(1024, 10))

看看模型每层情况

X = torch.rand(size=(1, 1, 96, 96))
for layer in net:
    X = layer(X)
    print(layer.__class__.__name__,'output shape:\t', X.shape)

输出

Sequential output shape:	 torch.Size([1, 64, 24, 24])
Sequential output shape:	 torch.Size([1, 192, 12, 12])
Sequential output shape:	 torch.Size([1, 480, 6, 6])
Sequential output shape:	 torch.Size([1, 832, 3, 3])
Sequential output shape:	 torch.Size([1, 1024])
Linear output shape:	 torch.Size([1, 10])

训练

lr, num_epochs, batch_size = 0.1, 10, 128
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size, resize=96)
d2l.train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu())

GoogLeNet效果很好，而且比较容易训练的，我970m的显卡都能跑得动，前面VGG和NiN都不行。