AI-7 现代卷积神经网络

conv_arch = ((1, 64), (1, 128), (2, 256), (2, 512), (2, 512))

7.1. 深度卷积神经网络（AlexNet）

更多的数据和更高性能的硬件使得深度卷积神经网络在2012年出现突破。

2012年，AlexNet横空出世，首次证明了学习到的特征可以超越手工设计的特征。

AlexNet和LeNet的设计理念非常相似，但也存在显著差异：

结构上的区别:更胖，更深AlexNet比相对较小的LeNet5要深得多。AlexNet由八层组成：五个卷积层、两个全连接隐藏层和一个全连接输出层。

细节上的改进：1AlexNet使用ReLU而不是sigmoid作为其激活函数（ReLU激活函数在正区间的梯度总是1）

2添加了丢弃法，而非单独使用权重衰减

3进行了数据增强

在参数个数以及运算量上确实有了很大的增加。

练习

试着增加迭代轮数。对比LeNet的结果有什么不同？为什么？

迭代次数增加到40，精度有所增加。

AlexNet对Fashion-MNIST数据集来说可能太复杂了。
- 尝试简化模型以加快训练速度，同时确保准确性不会显著下降。
- 设计一个更好的模型，可以直接在28×28图像上工作。

对照组-左1

net = nn.Sequential(
    # 这里使用一个11*11的更大窗口来捕捉对象。
    # 同时，步幅为4，以减少输出的高度和宽度。
    # 另外，输出通道的数目远大于LeNet
    nn.Conv2d(1, 96, kernel_size=11, stride=4, padding=1), nn.ReLU(),
    nn.MaxPool2d(kernel_size=3, stride=2),
    # 减小卷积窗口，使用填充为2来使得输入与输出的高和宽一致，且增大输出通道数
    nn.Conv2d(96, 256, kernel_size=5, padding=2), nn.ReLU(),
    nn.MaxPool2d(kernel_size=3, stride=2),
    # 使用三个连续的卷积层和较小的卷积窗口。
    # 除了最后的卷积层，输出通道的数量进一步增加。
    # 在前两个卷积层之后，汇聚层不用于减少输入的高度和宽度
    nn.Conv2d(256, 256, kernel_size=3, padding=1), nn.ReLU(),
    nn.Conv2d(384, 384, kernel_size=3, padding=1), nn.ReLU(),
    nn.Conv2d(384, 256, kernel_size=3, padding=1), nn.ReLU(),
    nn.MaxPool2d(kernel_size=3, stride=2),
    nn.Flatten(),
    # 这里，全连接层的输出数量是LeNet中的好几倍。使用dropout层来减轻过拟合
    nn.Linear(6400, 4096), nn.ReLU(),
    nn.Dropout(p=0.5),
    nn.Linear(4096, 4096), nn.ReLU(),
    nn.Dropout(p=0.5),
    # 最后是输出层。由于这里使用Fashion-MNIST，所以用类别数为10，而非论文中的1000
    nn.Linear(4096, 10))

实验组右1-减少了一些层

net = nn.Sequential(
    # 这里使用一个11*11的更大窗口来捕捉对象。
    # 同时，步幅为4，以减少输出的高度和宽度。
    # 另外，输出通道的数目远大于LeNet
    nn.Conv2d(1, 96, kernel_size=11, stride=4, padding=1), nn.ReLU(),
    nn.MaxPool2d(kernel_size=3, stride=2),
    # 减小卷积窗口，使用填充为2来使得输入与输出的高和宽一致，且增大输出通道数
    nn.Conv2d(96, 256, kernel_size=5, padding=2), nn.ReLU(),
    nn.MaxPool2d(kernel_size=3, stride=2),
    # 使用三个连续的卷积层和较小的卷积窗口。
    # 除了最后的卷积层，输出通道的数量进一步增加。
    # 在前两个卷积层之后，汇聚层不用于减少输入的高度和宽度
    nn.Conv2d(256, 256, kernel_size=3, padding=1), nn.ReLU(),
    #nn.Conv2d(384, 384, kernel_size=3, padding=1), nn.ReLU(),
    #nn.Conv2d(384, 256, kernel_size=3, padding=1), nn.ReLU(),
    nn.MaxPool2d(kernel_size=3, stride=2),
    nn.Flatten(),
    # 这里，全连接层的输出数量是LeNet中的好几倍。使用dropout层来减轻过拟合
    nn.Linear(6400, 4096), nn.ReLU(),
    nn.Dropout(p=0.5),
    #nn.Linear(4096, 4096), nn.ReLU(),
    #nn.Dropout(p=0.5),
    # 最后是输出层。由于这里使用Fashion-MNIST，所以用类别数为10，而非论文中的1000
    nn.Linear(4096, 10))

看看效果如何？诶，模型精简之后精度反而提升了！

修改了输入图像适合28*28

修改批量大小，并观察模型精度和GPU显存变化。

batchsize=128

batchsize=192

batchsize=256

批量增大，效果没变好？

分析了AlexNet的计算性能。
- 在AlexNet中主要是哪部分占用显存？

答：全连接层的参数占用大量内存

- 在AlexNet中主要是哪部分需要更多的计算？

答：卷积层需要进行大量的计算

- 计算结果时显存带宽如何？似乎够用
将dropout和ReLU应用于LeNet-5，效果有提升吗？再试试预处理会怎么样？

有提升

7.2. 使用块的网络（VGG）

AlexNet的形状不是很规则，不好迁移，而且最后的全连接层开销比较大。

VGG-11使用可复用的卷积块构造网络。不同的VGG模型可通过每个块中卷积层数量和输出通道数量的差异来定义。在VGG论文中，Simonyan和Ziserman尝试了各种架构。

特别是他们发现深层且窄的卷积（即3×3）比较浅层且宽的卷积更有效。为啥深层且窄的卷积更有效嘞。

经验发现3x3 的卷积层和 2x2的池化层效果更好

练习：

打印层的尺寸时，我们只看到8个结果，而不是11个结果。剩余的3层信息去哪了？

conv_arch = ((1, 64), (1, 128), (2, 256), (2, 512), (2, 512))

答：因为后三个VGG块中，其实分别有尺寸相同两个卷积层。

与AlexNet相比，VGG的计算要慢得多，而且它还需要更多的显存。分析出现这种情况的原因。

因为VGG中有更多的卷积层，因此需要更多的计算和显存。

尝试将Fashion-MNIST数据集图像的高度和宽度从224改为96。这对实验有什么影响？

224

我遇到的问题是，在最后一个池化层前，图像就已经被我收束到1x1了。。。

7.3. 网络中的网络（NiN）

现在NiN虽然被用的不多，但是其设计理念非常有价值。

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 (Lin et al., 2013。

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，它显著减少了参数量，但是有时会增加训练模型的时间。

练习：

1调整NiN的超参数，以提高分类准确性。

lr, num_epochs, batch_size = 0.1, 10, 128  #这是原来的参数

lr, num_epochs, batch_size = 0.1, 20, 256   #调整批量大小和训练周期后，精度反而下降了

2为什么NiN块中有两个1×1卷积层？删除其中一个，然后观察和分析实验现象。

对照组（两个1x1卷积层）实验组（只保留一个）

很奇怪，效果反而变好了.....

3计算NiN的资源使用情况。

1. 参数的数量是多少？
2. 计算量是多少？
3. 训练期间需要多少显存？
4. 预测期间需要多少显存？

由于使用1X1卷积代替全连接，减少了参数量，降低了模型复杂度。

4一次性直接将384×5×5的表示缩减为10×5×5的表示，会存在哪些问题？

输出通道数减少，会导致显存占用量减小。但也会使得模型精度有所下降。

7.4. 含并行连结的网络（GoogLeNet）

在GoogLeNet中，基本的卷积块被称为Inception块（Inception block），Inception块由四条并行路径组成。相当于每条路径使用。前三条路径使用窗口大小为1×1、3×3和5×5的卷积层，从不同空间大小中提取信息。每条线路的输出在通道维度上连结，并构成Inception块的输出。

至于为什么最后那样联结，估计是多次调试之后的经验结论。

练习：

GoogLeNet有一些后续版本。尝试实现并运行它们，然后观察实验结果。这些后续版本包括：
- 添加批量规范化层 (Ioffe and Szegedy, 2015)（batch normalization），在 7.5节中将介绍；
- 对Inception模块进行调整 (Szegedy et al., 2016)；
- 使用标签平滑（label smoothing）进行模型正则化 (Szegedy et al., 2016)；
- 加入残差连接 (Szegedy et al., 2017)。（ 7.6节将介绍）。
使用GoogLeNet的最小图像大小是多少？
将AlexNet、VGG和NiN的模型参数大小与GoogLeNet进行比较。后两个网络架构是如何显著减少模型参数大小的？

7.5. 批量规范化

批量规范化（batch normalization） (Ioffe and Szegedy, 2015)，这是一种流行且有效的技术，可持续加速深层网络的收敛速度。再结合在 7.6节中将介绍的残差块，批量规范化使得研究人员能够训练100层以上的网络。

原因：

1应用多层感知机来预测房价的例子（ 4.10节）。使用真实数据时，我们的第一步是标准化输入特征，使其平均值为0，方差为1。直观地说，这种标准化可以很好地与我们的优化器配合使用，因为它可以将参数的量级进行统一。

2对于典型的多层感知机或卷积神经网络，训练时中间层中的变量可能具有更广的变化范围：不论是沿着从输入到输出的层，跨同一层中的单元，或是随着时间的推移，模型参数的随着训练更新变幻莫测。批量规范化的发明者非正式地假设，这些变量分布中的这种偏移可能会阻碍网络的收敛。

3第三，更深层的网络很复杂，容易过拟合。这意味着正则化变得更加重要。

我们在下面讨论这两种情况：全连接层和卷积层，他们的批量规范化实现略有不同：

全连接层：通常，我们将批量规范化层置于全连接层中的仿射变换和激活函数之间。

卷积层：对于卷积层，我们可以在卷积层之后和非线性激活函数之前应用批量规范化。

和暂退法一样，批量规范化层在训练模式和预测模式下的计算结果也是不一样的。

练习：

1在使用批量规范化之前，我们是否可以从全连接层或卷积层中删除偏置参数？为什么？

规范化之前不能，因为偏置参数可以帮助模型更好的学习数据。使用批量规范化后可以，因为批量规范的过程就已经有偏置的环节。

2比较LeNet在使用和不使用批量规范化情况下的学习率。

2.1绘制训练和测试准确度的提高。2.2学习率有多高？

使用批量规范化不使用规范化

结果发现，使用批量规范化，比不适用精度会高一些，至于学习率只能说比较平稳的

3我们是否需要在每个层中进行批量规范化？

输出层中不需要做BN，因为softmax会选择最大的一个值作为分类结果，做不做BN都没有影响。

4可以通过批量规范化来替换暂退法吗？行为会如何改变？

批量规范化关注控制过程变量的大小来实现正则化；暂退法是通过在数据中增加噪声来实现正则化，实现手段不完全相同。

5确定参数beta和gamma，并观察和分析结果。

6查看高级API中有关BatchNorm的在线文档，以查看其他批量规范化的应用。

BatchNorm1d — PyTorch 2.0 文档

7研究思路：可以应用的其他“规范化”转换？可以应用概率积分变换吗？全秩协方差估计可以么？

差不多学会了再来研究吧..

7.6. 残差网络（ResNet）

如果我们能将新添加的层训练成恒等映射（identity function）f(x)=x，新模型和原模型将同样有效。同时，由于新模型可能得出更优的解来拟合训练数据集，因此添加层似乎更容易降低训练误差。大概是通过扩大了函数类的容量，从而使其更可能接近最优解。

针对这一问题，何恺明等人提出了残差网络（ResNet） (He et al., 2016)。

练习：

1图7.4.1中的Inception块与残差块之间的主要区别是什么？在删除了Inception块中的一些路径之后，它们是如何相互关联的？

inception块有四个路径，而残差块只有两个路径。且inception是将不同路径的通道数连接，残差块则是加到一起。

2参考ResNet论文 (He et al., 2016)中的表1，以实现不同的变体。

略

3对于更深层次的网络，ResNet引入了“bottleneck”架构来降低模型复杂性。请试着去实现它。

使用1x1卷积来减少计算量

改

 class bottleNeck(nn.Module):
    def __init__(self, input_channels, num_channels,
                 use_1x1conv=False, strides=1):
        super().__init__()
        self.conv1 = nn.Conv2d(input_channels, num_channels,
                                   kernel_size=1, stride=strides)
        self.bn1 = nn.BatchNorm2d(num_channels)
        self.comv2 = nn.Conv2d(input_channels, num_channels,
                                   kernel_size=3,padding = 1, stride=strides)
        self.bn2 = nn.BatchNorm2d(num_channels)
        self.conv3 = nn.Conv2d(input_channels, num_channels,
                                   kernel_size=1, stride=strides)
        self.bn3 = nn.BatchNorm2d(num_channels)
 
    
    def forward(self, X):
        Y = F.relu(self.bn1(self.conv1(X)))
        Y = self.bn2(self.conv2(Y))
        Y = Y.relu(Y)
        Y = conv3(Y)
        return Y

4在ResNet的后续版本中，作者将“卷积层、批量规范化层和激活层”架构更改为“批量规范化层、激活层和卷积层”架构。请尝试做这个改进。详见 (He et al., 2016)中的图1。

参考7.7blcok1

5为什么即使函数类是嵌套的，我们仍然要限制增加函数的复杂性呢？
答：第一是因为复杂的函数会增加拟合的计算要求，第二是增加了过拟合的风险

7.7. 稠密连接网络（DenseNet）

借助泰勒展开，稠密层将函数展开为多项。在跨层连接上，不同于ResNet中将输入与输出相加，稠密连接网络（DenseNet）在通道维上连结输入与输出。DenseNet的主要构建模块是稠密块和过渡层。

在稠密快中，使用了ResNet改良版的“批量规范化、激活和卷积”架构。在前向传播中，我们将每个卷积块的输入和输出在通道维上连结。

而过渡层可以用来控制模型复杂度。它通过1×1卷积层来减小通道数，并使用步幅为2的平均汇聚层减半高和宽，从而进一步降低模型复杂度。

练习：

1为什么我们在过渡层使用平均汇聚层而不是最大汇聚层？

因为过度层前输入的信息都应该是对结果有贡献的，过渡层只是为了降低模型复杂度，但不应放弃某些特征。

2DenseNet的优点之一是其模型参数比ResNet小。为什么呢？

DenseNet比传统的卷积网络所需要的参数更少，因此密集连接带来了特征重用，不需要重新学习冗余的特征图，而且维度拼接的操作，带来了丰富的特征信息，利用更少的卷积就能获得很多的特征图。

3DenseNet一个诟病的问题是内存或显存消耗过多。

3.1真的是这样吗？可以把输入形状换成224×224，来看看实际的显存消耗。3.2有另一种方法来减少显存消耗吗？需要改变框架么？

似乎并非如此，随着输入的增大，显存并没有出现很大改变。

posted @ 2023-07-19 11:26 浪矢-CL 阅读(167) 评论(0) 编辑收藏举报

会员力量，点亮园子希望

刷新页面返回顶部

浪矢\n