ResNet卷积神经网络卷积神经网络alexnet

转载

mob64ca140f9cec 2023-12-25 15:54:55

文章标签 ResNet卷积神经网络数据集 2d ide 文章分类 midjourney AIGC

AlexNet

1.AlexNet简介

1.1网络结构
1.2网络实现

2.模型训练

2.1MNIST数据集
2.2数据迭代器
2.3训练器

3.总结

前面已经简单介绍了LeNet网络，同时用Pytorch框架搭建LeNet-5网络并在MNIST数据集进行了简单训练。LeNet-5于1994年提出，从提出到2012年长达近20年时间在计算机视觉领域具有一定的影响力，但神经网络一直被其他机器学习方法超越，并未处于领导地位。当时限制神经网络发展的因素大概有三个，一是硬件不足以支持大量参数的深层多通道卷积神经网络；二是数据集相对较小；三是缺少训练神经网络的一些关键技巧。
本文将对AlexNet网络结构做简单介绍，同时用Pytorch框架搭建该网络并在Fashion-Mnist数据集上训练。

1.AlexNet简介

2012年，Alex Krizhevsky等人提出的AlexNet网络在ImageNet大赛中取得了很好的成绩，这是深度卷积神经网络的突破。该突破主要得益于两方面的因素：一是ImageNet数据集非常大，有100万个样本；二是应用GPU训练神经网络，打破了卷积神经网络中的计算瓶颈（卷积和矩阵乘法的计算）。

1.1网络结构

2012年，Alex Krizhevsky等人提出的AlexNet网络在ImageNet大赛中取得了很好的成绩，这是深度卷积神经网络的突破。

ResNet卷积神经网络卷积神经网络alexnet_数据集

左边是LeNet，右边是AlexNet.。AlexNet与LeNet在结构非常类似，但也存在一点差异，一是AlexNet比LeNet要深，多了两个卷积层，二是激活函数使用ReLu函数而非Sigmoid函数。

1.2网络实现

本文暂不使用ImageNet数据集，依然使用MNIST数据集，MNIST数据集每张图片是（1，28，28），一共有10类图片，因此要对网络的输入输出层稍作修改即可（输入层的通道数，输出层的神经元个数，图像大小在加载数据时会处理为[1,244,244]，这里不涉及）。

class AlexNet(nn.Module):
    def __init__(self):
        super(AlexNet, self).__init__()
        #input（1，244，244）
        self.conv1=nn.Conv2d(1,96,kernel_size=11,stride=4)#(1,244,244)-->(96,59,59)
        self.pool1=nn.MaxPool2d(kernel_size=3,stride=2)#(96,59,59)-->(96,29,29)
        self.conv2=nn.Conv2d(96,256,kernel_size=5,padding=2)#(96,29,29)-->(256,29,29)
        self.pool2=nn.MaxPool2d(kernel_size=3,stride=2)#(256,29,29)-->(256,14,14)
        self.conv3=nn.Conv2d(256,384,kernel_size=3,padding=1)#(256,14,14)-->(384,14,14)
        self.conv4 = nn.Conv2d(384, 384, kernel_size=3, padding=1)  # (384,14,14)-->(384,14,14)
        self.conv5 = nn.Conv2d(384, 256, kernel_size=3, padding=1)  # (384,14,14)-->(256,14,14)
        self.pool3=nn.MaxPool2d(kernel_size=3,stride=2)#(256,14,14)-->(256,6,6)
        self.fc1=nn.Linear(256*6*6,4096)
        self.fc2=nn.Linear(4096,4096)
        self.fc3=nn.Linear(4096,10)
    def forward(self,x):
        x=self.pool1(torch.relu(self.conv1(x)))
        x=self.pool2(torch.relu(self.conv2(x)))
        x=self.pool3(torch.relu(self.conv5(self.conv4(self.conv3(x)))))
        x=x.view(-1,256*6*6)
        x=torch.relu(self.fc1(x))
        x=torch.relu(self.fc2(x))
        x=self.fc3(x)
        return x

搭建好网络后，用一个[1,1,244,244]的tensor来验证一下：

net=AlexNet()
x=torch.randn(1,1,244,244)
Y=net(x)
print(Y.shape)

结果如下：

torch.Size([1, 10])

从输出张量的形状来看，网络没有问题，达到预期结果。

2.模型训练

2.1MNIST数据集

2.2数据迭代器

构建一个数据迭代器来加载训练数据和测试数据：

def load_data_fashion_mnist(batch_size):
    transform=transforms.Compose([transforms.Resize((244,244)),transforms.ToTensor()])
    mnist_train=torchvision.datasets.MNIST(root='data',train=True,transform=transform,download=True)
    mnist_test=torchvision.datasets.MNIST(root='data',train=False,transform=transform,download=True)
    return (data.DataLoader(mnist_train,batch_size,shuffle=True,num_workers=4),
            data.DataLoader(mnist_test,batch_size,shuffle=True,num_workers=4))

加入了transforms.Resize((244,244))将图片分辨率修改为（244，244）

指定batch_size=100,输出如下：

torch.Size([100, 1, 244, 244])

2.3训练器

与上篇LeNet中一样，不做修改：

def train(net,train_iter,test_iter,num_epochs,lr):

    def init(n):
        if type(n)==nn.Conv2d or type(n)==nn.Linear:
            nn.init.normal(n.weight.data)
    net.apply(init)

    optimizer =torch.optim.SGD(net.parameters(),lr=lr)
    loss=nn.CrossEntropyLoss()

    train_loss_list=[]
    train_acc_list=[]
    test_acc_list=[]

    for i in range(num_epochs):
        train_loss=0.0
        train_acc=0.0
        for j,(X,y) in enumerate(train_iter):
            X=X.to(device)
            y=y.to(device)
            optimizer.zero_grad()
            Y=net(X).to(device)
            l=loss(Y,y)
            l.backward()
            optimizer.step()
            train_loss+=l.item()
            train_acc+=accuracy(Y,y)/X.shape[0]
            if j%200==199:
                a=train_loss/200.0
                b=train_acc/200.0
                train_loss_list.append(a)
                train_acc_list.append(b)
                train_loss=0.0
                train_acc=0.0

                with torch.no_grad():#在测试数据集上测试
                    for m,(X_test,y_test) in enumerate(train_iter):
                        X_test=X_test.to(device)
                        y_test=y_test.to(device)
                        output=net(X_test).to(device)
                        acc=accuracy(Y,y)/X.shape[0]
                        test_acc_list.append(acc)


                print(f'train_loss:{a:.3f},train_acc:{b:.3f},test_acc:{acc:.3f}')

结果如下：

train_loss:nan,train_acc:0.098,test_acc:0.130
train_loss:nan,train_acc:0.099,test_acc:0.090
...
train_loss:nan,train_acc:0.098,test_acc:0.090
train_loss:nan,train_acc:0.098,test_acc:0.120

可以看到准确率和损失函数的值并没有过大的变化，损失函数的值nan，这说明学习过程异常，这个训练器在之前LeNet训练时没有问题，那么该异常是什么原因造成的？
查阅了一些资料，这种现象可能属于梯度消失/梯度爆炸，主要是权重初始化不恰当造成的。针对ReLu激活函数，Kaiming初始化方法能够有效缓解梯度消失和梯度爆炸：

nn.init.kaiming_normal_(n.weight.data)

train_loss:nan,train_acc:0.097,test_acc:0.090
train_loss:nan,train_acc:0.099,test_acc:0.120
...
train_loss:nan,train_acc:0.099,test_acc:0.120
train_loss:nan,train_acc:0.100,test_acc:0.060

结果问题依然没有解决！
最后把学习率减小了两个数量级，学习正常！

train_loss:0.566,train_acc:0.868,test_acc:0.970
train_loss:0.158,train_acc:0.956,test_acc:0.970
...
train_loss:0.043,train_acc:0.987,test_acc:0.990
train_loss:0.039,train_acc:0.988,test_acc:0.980