1 深度卷积神经网络(AlexNet)
- 与训练端到端(从像素到分类结果)系统的不同,经典机器学习的流水线看起来更像:
1.获取一个数据集。
2.根据光学、几何学、其他知识以及偶然的发现,手工对特征数据集进行预处理。
3.通过标准的特征提取算法,如SIFT(尺度不变特征变换)和SURF(加速鲁棒特征)或其他手动调整的流水线来输入数据。
4.将提取的特征输入分类器,以训练分类器。
1.1 学习表征
- 在合理地复杂性前提下,特征应该由多个共同学习的神经网络层组成,每个层都有可学习的参数。在机器视觉中,最底层可能检测边缘、颜色和纹理。
- 在网络的最底层,模型学习到了一些类似于传统滤波器的特征抽取器。
- AlexNet的更高层建立在这些底层表示的基础上,以表示更大的特征,如鼻子、眼睛等。而更高的层可以检测整个物体,如人、飞机等。最终的隐藏神经元可以学习图像的综合表示,从而使属于不同类别的数据易于区分。
- 深度卷积神经网络的突破归因于两个因素:
- 数据
- 硬件:图形处理器(Graphics Processing Unit,GPU)
1.2 AlexNet
- 从LeNet(左)到AlexNet(右)
- AlexNet和LeNet的设计理念非常相似,但也存在显著差异。
- AlexNet比相对较小的LeNet5要深得多。
- AlexNet使用ReLU而不是sigmoid作为其激活函数。
1.2.1 模型设计
- AlexNet的第一层,卷积窗口是11×11。因为ImageNet中绝大多数图像的宽和高比MNIST图像的多10倍以上,所以需要一个更大的卷积窗口来捕获目标。
- 第二层中的卷积窗口减小到5×5,然后是3×3。此外,在第一、第二和第五个卷积层之后,加入窗口大小为3×3、步幅为2的最大池化层。
- AlexNet的卷积通道数目是LeNet的10倍。
- 最后一个卷积层后有两个全连接层,分别有4096个输出。
1.2.2 激活函数
- ReLU激活函数的计算更简单,它不需要如sigmoid激活函数那般复杂的求幂运算。
- 当使用不同的初始化方法时,ReLU激活函数使训练模型更加容易。
- 当sigmoid激活函数的输出非常接近于0或1时,这些区域的梯度几乎为0,因此反向传播无法继续更新一些模型参数。相反,ReLU激活函数在正区间的梯度总是1。因此,如果模型参数没有正确初始化,sigmoid函数可能在正区间内得到几乎为0的梯度,从而使模型无法得到有效的训练。
1.2.3 容量控制和预处理
- AlexNet通过暂退法控制全连接层的模型复杂度,而LeNet只使用了权重衰减。
- 为了进一步扩充数据,AlexNet在训练时增加了大量的图像增强数据,如翻转、裁剪、变色。这使得模型更加健壮,更大的样本量有效地减少了过拟合。
1 | import torch |
- 构造一个(1,244,244)的单通道数据,来观察每一层输出的形状。
1 | X = torch.randn(1, 1, 224, 224) |
Conv2d output shape: torch.Size([1, 96, 54, 54])
ReLU output shape: torch.Size([1, 96, 54, 54])
MaxPool2d output shape: torch.Size([1, 96, 26, 26])
Conv2d output shape: torch.Size([1, 256, 26, 26])
ReLU output shape: torch.Size([1, 256, 26, 26])
MaxPool2d output shape: torch.Size([1, 256, 12, 12])
Conv2d output shape: torch.Size([1, 384, 12, 12])
ReLU output shape: torch.Size([1, 384, 12, 12])
Conv2d output shape: torch.Size([1, 384, 12, 12])
ReLU output shape: torch.Size([1, 384, 12, 12])
Conv2d output shape: torch.Size([1, 256, 12, 12])
ReLU output shape: torch.Size([1, 256, 12, 12])
MaxPool2d output shape: torch.Size([1, 256, 5, 5])
Flatten output shape: torch.Size([1, 6400])
Linear output shape: torch.Size([1, 4096])
ReLU output shape: torch.Size([1, 4096])
Dropout output shape: torch.Size([1, 4096])
Linear output shape: torch.Size([1, 4096])
ReLU output shape: torch.Size([1, 4096])
Dropout output shape: torch.Size([1, 4096])
Linear output shape: torch.Size([1, 10])
1.3 读取数据集
- 选取Fashion-MNIST数据集(28x28)。我们需要将图像大小调整到224x224。
1 | batch_size = 128 |
1.4 训练AlexNet
- 与LeNet相比,这里使用更小的学习率,这是因为网络更深更广、图像分辨率更高,训练卷积神经网络就更昂贵。
1 | import os |
loss 0.327, train acc 0.880, test acc 0.883
20.6 examples/sec on cpu