InceptionV3代码解析
读了Google的GoogleNet以及InceptionV3的论文，决定把它实现一下，尽管很难，但是网上有不少资源，就一条一条的写完了，对于网络的解析都在代码里面了，是在原博主的基础上进行修改的，添加了更多的细节，以及自己的理解。总之，是更详细更啰嗦的一个版本，适合初学者。
import tensorflow as tf
from datetime import datetime
import math
import time
##参考tensorflow实战书籍+博客https://blog.csdn.net/superman_xxx/article/details/65451916，不过丰富了很多细节
##适合像我一样的初学者
slim = tf.contrib.slim
#Slim is an interface to contrib functions, examples and models.
#只是一个接口作用
trunc_normal = lambda stddev: tf.truncated_normal_initializer(0.0, stddev)
#匿名函数 lambda x: x * x 实际上就是：返回x的平方
# tf.truncated_normal_initializer产生截断的正态分布
########定义函数生成网络中经常用到的函数的默认参数########
# 默认参数：卷积的激活函数、权重初始化方式、标准化器等
def inception_v3_arg_scope(weight_decay=0.00004, # 设置L2正则的weight_decay
stddev=0.1, # 标准差默认值0.1
batch_norm_var_collection='moving_vars'):
# 定义batch normalization（批量标准化/归一化）的参数字典
batch_norm_params = {
'decay': 0.9997, # 定义参数衰减系数
'epsilon': 0.001,
'updates_collections': tf.GraphKeys.UPDATE_OPS,
'variables_collections': {
'beta': None,
'gamma': None,
'moving_mean': [batch_norm_var_collection],
'moving_variance': [batch_norm_var_collection],#值就是前面设置的batch_norm_var_collection='moving_vars'
}
}
# 给函数的参数自动赋予某些默认值
# slim.arg_scope常用于为tensorflow里的layer函数提供默认值以使构建模型的代码更加紧凑苗条(slim):
with slim.arg_scope([slim.conv2d, slim.fully_connected],
weights_regularizer=slim.l2_regularizer(weight_decay)):
# 对[slim.conv2d, slim.fully_connected]自动赋值，可以是列表或元组
# 使用slim.arg_scope后就不需要每次都重复设置参数了，只需要在有修改时设置
with slim.arg_scope( # 嵌套一个slim.arg_scope对卷积层生成函数slim.conv2d的几个参数赋予默认值
[slim.conv2d],
weights_initializer=trunc_normal(stddev), # 权重初始化器
activation_fn=tf.nn.relu, # 激活函数
normalizer_fn=slim.batch_norm, # 标准化器
normalizer_params=batch_norm_params) as sc: # 标准化器的参数设置为前面定义的batch_norm_params
return sc # 最后返回定义好的scope
########定义函数可以生成Inception V3网络的卷积部分########
#########Inception V3架构见TENSORFLOW实战书-黄文坚 p124-p125页
def inception_v3_base(inputs, scope=None):
'''
Args:
inputs：输入的tensor
scope：包含了函数默认参数的环境
'''
end_points = {} # 定义一个字典表保存某些关键节点供之后使用
with tf.variable_scope(scope, 'InceptionV3', [inputs]):
with slim.arg_scope([slim.conv2d, slim.max_pool2d, slim.avg_pool2d], # 对三个参数设置默认值
stride=1, padding='VALID'):
# 正式定义Inception V3的网络结构。首先是前面的非Inception Module的卷积层
#输入图像尺寸299 x 299 x 3
# slim.conv2d的第一个参数为输入的tensor，第二个是输出的通道数，卷积核尺寸，步长stride，padding模式
net = slim.conv2d(inputs, 32, [3, 3], stride=2, scope='Conv2d_1a_3x3')
# 输出尺寸149 x 149 x 32
'''
因为使用了slim以及slim.arg_scope，我们一行代码就可以定义好一个卷积层
相比AlexNet使用好几行代码定义一个卷积层，或是VGGNet中专门写一个函数定义卷积层，都更加方便
'''
net = slim.conv2d(net, 32, [3, 3], scope='Conv2d_2a_3x3')
# 输出尺寸147 x 147 x 32
net = slim.conv2d(net, 64, [3, 3], padding='SAME', scope='Conv2d_2b_3x3')
# 输出尺寸147 x 147 x 64
net = slim.max_pool2d(net, [3, 3], stride=2, scope='MaxPool_3a_3x3')
# 输出尺寸73 x 73 x 64
net = slim.conv2d(net, 80, [1, 1], scope='Conv2d_3b_1x1')
#输出尺寸 73 x 73 x 80.
net = slim.conv2d(net, 192, [3, 3], scope='Conv2d_4a_3x3')
#输出尺寸 71 x 71 x 192.
net = slim.max_pool2d(net, [3, 3], stride=2, scope='MaxPool_5a_3x3')
# 输出尺寸35 x 35 x 192.
'''上面部分代码一共有5个卷积层，2个池化层，实现了对图片数据的尺寸压缩，并对图片特征进行了抽象
有个疑问是框架例里给出的表格中是6个卷积和一个池化，并没有1x1的卷积，为什么要这么做，以及scope后面的名字为什么要这样叫。
'''
'''
接下来就是三个连续的Inception模块组，三个Inception模块组中各自分别有多个Inception Module，这部分是Inception Module V3
的精华所在。每个Inception模块组内部的几个Inception Mdoule结构非常相似，但是存在一些细节的不同
'''
# Inception blocks
with slim.arg_scope([slim.conv2d, slim.max_pool2d, slim.avg_pool2d], # 设置所有模块组的默认参数
stride=1, padding='SAME'): # 将所有卷积层、最大池化、平均池化层步长都设置为1
#注意这个模块已经统一指定了padding='SAME'，后面不用再说明
# 第一个模块组包含了三个结构类似的Inception Module
# 第一个模块组第一个Inception Module,Mixed_5b
with tf.variable_scope('Mixed_5b'): # 第一个Inception Module名称。Inception Module有四个分支
with tf.variable_scope('Branch_0'): # 第一个分支64通道的1*1卷积
branch_0 = slim.conv2d(net, 64, [1, 1], scope='Conv2d_0a_1x1')
#输出尺寸35*35*64
with tf.variable_scope('Branch_1'): # 第二个分支48通道1*1卷积后一层链接一个64通道的5*5卷积
branch_1 = slim.conv2d(net, 48, [1, 1], scope='Conv2d_0a_1x1')
#输出尺寸35*35*48
branch_1 = slim.conv2d(branch_1, 64, [5, 5], scope='Conv2d_0b_5x5')
#输出尺寸35*35*64
with tf.variable_scope('Branch_2'): #第三个分支64通道1*1卷积后一层链接2个96通道的5*5卷积
branch_2 = slim.conv2d(net, 64, [1, 1], scope='Conv2d_0a_1x1')
#输出尺寸35*35*64
branch_2 = slim.conv2d(branch_2, 96, [3, 3], scope='Conv2d_0b_3x3')
#输出尺寸35*35*96
branch_2 = slim.conv2d(branch_2, 96, [3, 3], scope='Conv2d_0c_3x3')
# 输出尺寸35*35*96
with tf.variable_scope('Branch_3'): # 第四个分支为3*3的平均池化后一层连接32通道的1*1卷积
branch_3 = slim.avg_pool2d(net, [3, 3], scope='AvgPool_0a_3x3')
# 输出尺寸35*35*192
branch_3 = slim.conv2d(branch_3, 32, [1, 1], scope='Conv2d_0b_1x1')
# 输出尺寸35*35*32
net = tf.concat([branch_0, branch_1, branch_2, branch_3], 3)
# 将四个分支的输出合并在一起（第三个维度合并，即输出通道上合并）64+64+96+32=256个通道
# 输出尺寸35*35*256
# 第一个模块组第二个Inception Module 名称是：Mixed_5c
with tf.variable_scope('Mixed_5c'): #同样有4个分支，唯一不同的是第4个分支最后接的是64输出通道
with tf.variable_scope('Branch_0'):
branch_0 = slim.conv2d(net, 64, [1, 1], scope='Conv2d_0a_1x1')
# 输出尺寸35*35*64
with tf.variable_scope('Branch_1'):
branch_1 = slim.conv2d(net, 48, [1, 1], scope='Conv2d_0b_1x1')
# 输出尺寸35*35*48
branch_1 = slim.conv2d(branch_1, 64, [5, 5], scope='Conv_1_0c_5x5')
# 输出尺寸35*35*64
with tf.variable_scope('Branch_2'):
branch_2 = slim.conv2d(net, 64, [1, 1], scope='Conv2d_0a_1x1')
# 输出尺寸35*35*64
branch_2 = slim.conv2d(branch_2, 96, [3, 3], scope='Conv2d_0b_3x3')
# 输出尺寸35*35*96
branch_2 = slim.conv2d(branch_2, 96, [3, 3], scope='Conv2d_0c_3x3')
# 输出尺寸35*35*96
with tf.variable_scope('Branch_3'):
branch_3 = slim.avg_pool2d(net, [3, 3], scope='AvgPool_0a_3x3')
# 输出尺寸35*35*192
branch_3 = slim.conv2d(branch_3, 64, [1, 1], scope='Conv2d_0b_1x1')
# 输出尺寸35*35*64
net = tf.concat([branch_0, branch_1, branch_2, branch_3], 3)
# 将四个分支的输出合并在一起（第三个维度合并，即输出通道上合并）64+64+96+64=288个通道
# 输出尺寸35*35*288
# 第一个模块组第3个Inception Module 名称是：Mixed_5d
with tf.variable_scope('Mixed_5d'):
with tf.variable_scope('Branch_0'):
branch_0 = slim.conv2d(net, 64, [1, 1], scope='Conv2d_0a_1x1')
with tf.variable_scope('Branch_1'):
branch_1 = slim.conv2d(net, 48, [1, 1], scope='Conv2d_0a_1x1')
branch_1 = slim.conv2d(branch_1, 64, [5, 5], scope='Conv2d_0b_5x5')
with tf.variable_scope('Branch_2'):
branch_2 = slim.conv2d(net, 64, [1, 1], scope='Conv2d_0a_1x1')
branch_2 = slim.conv2d(branch_2, 96, [3, 3], scope='Conv2d_0b_3x3')
branch_2 = slim.conv2d(branch_2, 96, [3, 3], scope='Conv2d_0c_3x3')
with tf.variable_scope('Branch_3'):
branch_3 = slim.avg_pool2d(net, [3, 3], scope='AvgPool_0a_3x3')
branch_3 = slim.conv2d(branch_3, 64, [1, 1], scope='Conv2d_0b_1x1')
net = tf.concat([branch_0, branch_1, branch_2, branch_3], 3)
# 将四个分支的输出合并在一起（第三个维度合并，即输出通道上合并）64+64+96+64=288个通道
# 输出尺寸35*35*288
# 第二个Inception模块组是一个非常大的模块组，包含了5个Inception Mdoule，2-5个Inception Mdoule结构非常相似
#第二个模块组第一个Inception Module 名称是：Mixed_6a
#输入是35*35*288
with tf.variable_scope('Mixed_6a'): #包含3个分支
with tf.variable_scope('Branch_0'):
branch_0 = slim.conv2d(net, 384, [3, 3], stride=2,
padding='VALID', scope='Conv2d_1a_1x1')
# padding='VALID'图片尺寸会被压缩，通道数增加
# 输出尺寸17*17*384
with tf.variable_scope('Branch_1'): #64通道的1*1加2个96通道的3*3卷积
branch_1 = slim.conv2d(net, 64, [1, 1], scope='Conv2d_0a_1x1')
#输出尺寸35 * 35 * 64
branch_1 = slim.conv2d(branch_1, 96, [3, 3], scope='Conv2d_0b_3x3')
#输出尺寸35*35*96
branch_1 = slim.conv2d(branch_1, 96, [3, 3], stride=2,
padding='VALID', scope='Conv2d_1a_1x1')
# 图片被压缩/输出尺寸17*17*96
with tf.variable_scope('Branch_2'):
branch_2 = slim.max_pool2d(net, [3, 3], stride=2, padding='VALID',
scope='MaxPool_1a_3x3')
#输出尺寸17 * 17 * 288（这里大家注意，书上还有很多博客上都是384+96+256=736并不是768，所以最后应该加288）
net = tf.concat([branch_0, branch_1, branch_2], 3)
# 输出尺寸定格在17 x 17 x 768
# 第二个模块组第二个Inception Module 名称是：Mixed_6b
with tf.variable_scope('Mixed_6b'): #4个分支
with tf.variable_scope('Branch_0'):
branch_0 = slim.conv2d(net, 192, [1, 1], scope='Conv2d_0a_1x1')
# 输出尺寸17*17*192
with tf.variable_scope('Branch_1'):
branch_1 = slim.conv2d(net, 128, [1, 1], scope='Conv2d_0a_1x1')
# 输出尺寸17 * 17 * 128
branch_1 = slim.conv2d(branch_1, 128, [1, 7],
scope='Conv2d_0b_1x7')
# 输出尺寸17 * 17 * 128
# 串联1*7卷积和7*1卷积合成7*7卷积，减少了参数，减轻了过拟合
branch_1 = slim.conv2d(branch_1, 192, [7, 1], scope='Conv2d_0c_7x1')
# 输出尺寸17 * 17 * 192
with tf.variable_scope('Branch_2'):
branch_2 = slim.conv2d(net, 128, [1, 1], scope='Conv2d_0a_1x1')
# 输出尺寸17 * 17 * 128
# 反复将7*7卷积拆分
branch_2 = slim.conv2d(branch_2, 128, [7, 1], scope='Conv2d_0b_7x1')
branch_2 = slim.conv2d(branch_2, 128, [1, 7], scope='Conv2d_0c_1x7')
branch_2 = slim.conv2d(branch_2, 128, [7, 1], scope='Conv2d_0d_7x1')
branch_2 = slim.conv2d(branch_2, 192, [1, 7], scope='Conv2d_0e_1x7')
# 这种方法算是利用Factorization into small convolutions 的典范
with tf.variable_scope('Branch_3'): #3*3的平均池化
branch_3 = slim.avg_pool2d(net, [3, 3], scope='AvgPool_0a_3x3')
# 输出尺寸17 * 17 * 768
branch_3 = slim.conv2d(branch_3, 192, [1, 1], scope='Conv2d_0b_1x1')
# 输出尺寸17 * 17 * 192
net = tf.concat([branch_0, branch_1, branch_2, branch_3], 3)
# 输出尺寸定格在17 x 17 x （192*4）=17*17*768
# 第二个模块组第三个Inception Module 名称是：Mixed_6c
# 同前面一个相似，第二个分支和第三个分支的前几层通道由120升为160
with tf.variable_scope('Mixed_6c'):
with tf.variable_scope('Branch_0'):
'''
我们的网络每经过一个inception module，即使输出尺寸不变，但是特征都相当于被重新精炼了一遍，
其中丰富的卷积和非线性化对提升网络性能帮助很大。
'''
branch_0 = slim.conv2d(net, 192, [1, 1], scope='Conv2d_0a_1x1')
with tf.variable_scope('Branch_1'):
branch_1 = slim.conv2d(net, 160, [1, 1], scope='Conv2d_0a_1x1')
branch_1 = slim.conv2d(branch_1, 160, [1, 7], scope='Conv2d_0b_1x7')
branch_1 = slim.conv2d(branch_1, 192, [7, 1], scope='Conv2d_0c_7x1')
with tf.variable_scope('Branch_2'):
branch_2 = slim.conv2d(net, 160, [1, 1], scope='Conv2d_0a_1x1')
branch_2 = slim.conv2d(branch_2, 160, [7, 1], scope='Conv2d_0b_7x1')
branch_2 = slim.conv2d(branch_2, 160, [1, 7], scope='Conv2d_0c_1x7')
branch_2 = slim.conv2d(branch_2, 160, [7, 1], scope='Conv2d_0d_7x1')
branch_2 = slim.conv2d(branch_2, 192, [1, 7], scope='Conv2d_0e_1x7')
with tf.variable_scope('Branch_3'):
branch_3 = slim.avg_pool2d(net, [3, 3], scope='AvgPool_0a_3x3')
branch_3 = slim.conv2d(branch_3, 192, [1, 1], scope='Conv2d_0b_1x1')
net = tf.concat([branch_0, branch_1, branch_2, branch_3], 3)
# 输出尺寸定格在17 x 17 x （192*4）=17*17*768
# 第二个模块组第四个Inception Module 名称是：Mixed_6d
# 和前面一个完全一样，增加卷积和非线性，提炼特征
with tf.variable_scope('Mixed_6d'):
with tf.variable_scope('Branch_0'):
branch_0 = slim.conv2d(net, 192, [1, 1], scope='Conv2d_0a_1x1')
with tf.variable_scope('Branch_1'):
branch_1 = slim.conv2d(net, 160, [1, 1], scope='Conv2d_0a_1x1')
branch_1 = slim.conv2d(branch_1, 160, [1, 7], scope='Conv2d_0b_1x7')
branch_1 = slim.conv2d(branch_1, 192, [7, 1], scope='Conv2d_0c_7x1')
with tf.variable_scope('Branch_2'):
branch_2 = slim.conv2d(net, 160, [1, 1], scope='Conv2d_0a_1x1')
branch_2 = slim.conv2d(branch_2, 160, [7, 1], scope='Conv2d_0b_7x1')
branch_2 = slim.conv2d(branch_2, 160, [1, 7], scope='Conv2d_0c_1x7')
branch_2 = slim.conv2d(branch_2, 160, [7, 1], scope='Conv2d_0d_7x1')
branch_2 = slim.conv2d(branch_2, 192, [1, 7], scope='Conv2d_0e_1x7')
with tf.variable_scope('Branch_3'):
branch_3 = slim.avg_pool2d(net, [3, 3], scope='AvgPool_0a_3x3')
branch_3 = slim.conv2d(branch_3, 192, [1, 1], scope='Conv2d_0b_1x1')
net = tf.concat([branch_0, branch_1, branch_2, branch_3], 3)
# 输出尺寸定格在17 x 17 x （192*4）=17*17*768
# 第二个模块组第五个Inception Module 名称是：Mixed_6e
# 也同前面一样，通道数变为192，但是要将Mixed_6e存储在end_points中
with tf.variable_scope('Mixed_6e'):
with tf.variable_scope('Branch_0'):
branch_0 = slim.conv2d(net, 192, [1, 1], scope='Conv2d_0a_1x1')
with tf.variable_scope('Branch_1'):
branch_1 = slim.conv2d(net, 192, [1, 1], scope='Conv2d_0a_1x1')
branch_1 = slim.conv2d(branch_1, 192, [1, 7], scope='Conv2d_0b_1x7')
branch_1 = slim.conv2d(branch_1, 192, [7, 1], scope='Conv2d_0c_7x1')
with tf.variable_scope('Branch_2'):
branch_2 = slim.conv2d(net, 192, [1, 1], scope='Conv2d_0a_1x1')
branch_2 = slim.conv2d(branch_2, 192, [7, 1], scope='Conv2d_0b_7x1')
branch_2 = slim.conv2d(branch_2, 192, [1, 7], scope='Conv2d_0c_1x7')
branch_2 = slim.conv2d(branch_2, 192, [7, 1], scope='Conv2d_0d_7x1')
branch_2 = slim.conv2d(branch_2, 192, [1, 7], scope='Conv2d_0e_1x7')
with tf.variable_scope('Branch_3'):
branch_3 = slim.avg_pool2d(net, [3, 3], scope='AvgPool_0a_3x3')
branch_3 = slim.conv2d(branch_3, 192, [1, 1], scope='Conv2d_0b_1x1')
net = tf.concat([branch_0, branch_1, branch_2, branch_3], 3)
# 输出尺寸定格在17 x 17 x （192*4）=17*17*768
end_points['Mixed_6e'] = net
# 将Mixed_6e存储于end_points中，作为Auxiliary Classifier辅助模型的分类
# 第三个Inception模块包含了3个Inception Mdoule，后两个个Inception Mdoule结构非常相似
# 第三个模块组第一个Inception Module 名称是：Mixed_7a
with tf.variable_scope('Mixed_7a'): # 3个分支
with tf.variable_scope('Branch_0'):
branch_0 = slim.conv2d(net, 192, [1, 1], scope='Conv2d_0a_1x1')
# 输出尺寸17*17*192
branch_0 = slim.conv2d(branch_0, 320, [3, 3], stride=2,
padding='VALID', scope='Conv2d_1a_3x3')
# 压缩图片# 输出尺寸8*8*320
with tf.variable_scope('Branch_1'):
branch_1 = slim.conv2d(net, 192, [1, 1], scope='Conv2d_0a_1x1')
branch_1 = slim.conv2d(branch_1, 192, [1, 7], scope='Conv2d_0b_1x7')
branch_1 = slim.conv2d(branch_1, 192, [7, 1], scope='Conv2d_0c_7x1')
branch_1 = slim.conv2d(branch_1, 192, [3, 3], stride=2,
padding='VALID', scope='Conv2d_1a_3x3')
# 输出尺寸8*8*192
with tf.variable_scope('Branch_2'): # 池化层不会对输出通道数产生改变
branch_2 = slim.max_pool2d(net, [3, 3], stride=2, padding='VALID',
scope='MaxPool_1a_3x3')
# 输出尺寸8*8*768
net = tf.concat([branch_0, branch_1, branch_2], 3)
# 输出图片尺寸被缩小，通道数增加，tensor的总size在持续下降中
# 输出尺寸8*8*（320+192+768）=8*8*1280
# 第三个模块组第二个Inception Module 名称是：Mixed_7b
'''
这个模块最大的区别是分支内又有分支，network in network in network
'''
with tf.variable_scope('Mixed_7b'): # 4 个分支
with tf.variable_scope('Branch_0'):
branch_0 = slim.conv2d(net, 320, [1, 1], scope='Conv2d_0a_1x1')
# 输出尺寸8*8*320
with tf.variable_scope('Branch_1'): #第二个分支里还有分支
branch_1 = slim.conv2d(net, 384, [1, 1], scope='Conv2d_0a_1x1')
# 输出尺寸8*8*384
branch_1 = tf.concat([
slim.conv2d(branch_1, 384, [1, 3], scope='Conv2d_0b_1x3'),
slim.conv2d(branch_1, 384, [3, 1], scope='Conv2d_0b_3x1')], 3)
# 输出尺寸8 * 8 * （384+384）=8*8*768
with tf.variable_scope('Branch_2'): #这个分支更复杂：1*1>3*3>1*3+3*1,总共有三层
branch_2 = slim.conv2d(net, 448, [1, 1], scope='Conv2d_0a_1x1')
branch_2 = slim.conv2d(
branch_2, 384, [3, 3], scope='Conv2d_0b_3x3')
branch_2 = tf.concat([
slim.conv2d(branch_2, 384, [1, 3], scope='Conv2d_0c_1x3'),
slim.conv2d(branch_2, 384, [3, 1], scope='Conv2d_0d_3x1')], 3)
# 输出尺寸8 * 8 * （384+384）=8*8*768
with tf.variable_scope('Branch_3'):
branch_3 = slim.avg_pool2d(net, [3, 3], scope='AvgPool_0a_3x3')
branch_3 = slim.conv2d(
branch_3, 192, [1, 1], scope='Conv2d_0b_1x1')
# 输出尺寸8 * 8 * （384+384）=8*8*192
net = tf.concat([branch_0, branch_1, branch_2, branch_3], 3)
# 输出通道数增加到2048 # 输出尺寸8 * 8 * （320+768+768+192）=8*8*2048
# 第三个模块组第三个Inception Module 名称是：Mixed_7c
#同前一个一样
with tf.variable_scope('Mixed_7c'):
with tf.variable_scope('Branch_0'):
branch_0 = slim.conv2d(net, 320, [1, 1], scope='Conv2d_0a_1x1')
with tf.variable_scope('Branch_1'):
branch_1 = slim.conv2d(net, 384, [1, 1], scope='Conv2d_0a_1x1')
branch_1 = tf.concat([
slim.conv2d(branch_1, 384, [1, 3], scope='Conv2d_0b_1x3'),
slim.conv2d(branch_1, 384, [3, 1], scope='Conv2d_0c_3x1')], 3)
with tf.variable_scope('Branch_2'):
branch_2 = slim.conv2d(net, 448, [1, 1], scope='Conv2d_0a_1x1')
branch_2 = slim.conv2d(
branch_2, 384, [3, 3], scope='Conv2d_0b_3x3')
branch_2 = tf.concat([
slim.conv2d(branch_2, 384, [1, 3], scope='Conv2d_0c_1x3'),
slim.conv2d(branch_2, 384, [3, 1], scope='Conv2d_0d_3x1')], 3)
with tf.variable_scope('Branch_3'):
branch_3 = slim.avg_pool2d(net, [3, 3], scope='AvgPool_0a_3x3')
branch_3 = slim.conv2d(
branch_3, 192, [1, 1], scope='Conv2d_0b_1x1')
net = tf.concat([branch_0, branch_1, branch_2, branch_3], 3)
# 输出尺寸8 * 8 * （320+768+768+192）=8*8*2048
return net, end_points
#Inception V3网络的核心部分，即卷积层部分就完成了
'''
设计inception net的重要原则是图片尺寸不断缩小，inception模块组的目的都是将空间结构简化，同时将空间信息转化为
高阶抽象的特征信息，即将空间维度转为通道的维度。降低了计算量。Inception Module是通过组合比较简单的特征
抽象（分支1）、比较比较复杂的特征抽象（分支2和分支3）和一个简化结构的池化层（分支4），一共四种不同程度的
特征抽象和变换来有选择地保留不同层次的高阶特征，这样最大程度地丰富网络的表达能力。
'''
########全局平均池化、Softmax和Auxiliary Logits(之前6e模块的辅助分类节点)########
def inception_v3(inputs,
num_classes=1000, # 最后需要分类的数量（比赛数据集的种类数）
is_training=True, # 标志是否为训练过程，只有在训练时Batch normalization和Dropout才会启用
dropout_keep_prob=0.8, # 节点保留比率
prediction_fn=slim.softmax, # 最后用来分类的函数
spatial_squeeze=True, # 参数标志是否对输出进行squeeze操作（去除维度数为1的维度，比如5*3*1转为5*3）
reuse=None, # 是否对网络和Variable进行重复使用
scope='InceptionV3'): # 包含函数默认参数的环境
with tf.variable_scope(scope, 'InceptionV3', [inputs, num_classes], # 定义参数默认值
reuse=reuse) as scope:
#'InceptionV3'是命名空间
with slim.arg_scope([slim.batch_norm, slim.dropout], # 定义标志默认值
is_training=is_training):
# 拿到最后一层的输出net和重要节点的字典表end_points
net, end_points = inception_v3_base(inputs, scope=scope) # 用定义好的函数构筑整个网络的卷积部分
# Auxiliary Head logits作为辅助分类的节点，对分类结果预测有很大帮助，
# 对end_points的结界做平均池化、卷积最后通过1*1的卷积将通道变为1000
with slim.arg_scope([slim.conv2d, slim.max_pool2d, slim.avg_pool2d],
stride=1, padding='SAME'): # 将卷积、最大池化、平均池化步长设置为1
aux_logits = end_points['Mixed_6e'] # 通过end_points取到Mixed_6e
with tf.variable_scope('AuxLogits'):
aux_logits = slim.avg_pool2d(
aux_logits, [5, 5], stride=3, padding='VALID', # 在Mixed_6e之后接平均池化。压缩图像尺寸
scope='AvgPool_1a_5x5')
# 输入图像尺寸17*17*768，输出5*5*768
aux_logits = slim.conv2d(aux_logits, 128, [1, 1], # 卷积。压缩图像尺寸。
scope='Conv2d_1b_1x1')
# 输出图像尺寸5*5*128
# Shape of feature map before the final layer.
aux_logits = slim.conv2d(
aux_logits, 768, [5,5],
weights_initializer=trunc_normal(0.01), # 权重初始化方式重设为标准差为0.01的正态分布
padding='VALID', scope='Conv2d_2a_5x5')
# 输出图像尺寸1*1*768
aux_logits = slim.conv2d(
aux_logits, num_classes, [1, 1], activation_fn=None,
normalizer_fn=None, weights_initializer=trunc_normal(0.001),
scope='Conv2d_2b_1x1')
# 输出变为1*1*1000，这里的num_classes表示输出通道数，不用激活和标准化，权重重设为0.001的正态分布
if spatial_squeeze: # tf.squeeze消除tensor中前两个为1的维度。
aux_logits = tf.squeeze(aux_logits, [1, 2], name='SpatialSqueeze')
# 这里非常值得注意，tf.squeeze(aux_logits, [1, 2]）为什么是[1, 2]而不是[0,1],括号里表示为1的维度
#因为训练的时候是输入的批次，第一维不是1，[32,1,1,1000].
end_points['AuxLogits'] = aux_logits
# 最后将辅助分类节点的输出aux_logits储存到字典表end_points中
# 处理正常的分类预测逻辑
# Final pooling and prediction
# 这一过程的主要步骤：对Mixed_7c的输出进行8*8的全局平均池化>Dropout>1*1*1000的卷积>除去维数为1>softmax分类
with tf.variable_scope('Logits'):
net = slim.avg_pool2d(net, [8, 8], padding='VALID',
scope='AvgPool_1a_8x8')
#输入为8*8*2048 输出为1 x 1 x 2048
net = slim.dropout(net, keep_prob=dropout_keep_prob, scope='Dropout_1b')
end_points['PreLogits'] = net
# 1*1*2048
logits = slim.conv2d(net, num_classes, [1, 1], activation_fn=None,
normalizer_fn=None, scope='Conv2d_1c_1x1')
# 激活函数和规范化函数设为空 # 输出通道数1*1*1000
if spatial_squeeze: # tf.squeeze去除输出tensor中维度为1的节点
logits = tf.squeeze(logits, [1, 2], name='SpatialSqueeze')
end_points['Logits'] = logits
end_points['Predictions'] = prediction_fn(logits, scope='Predictions')
# Softmax对结果进行分类预测
return logits, end_points # 最后返回logits和包含辅助节点的end_points
#end_points里面有'AuxLogits'、'Logits'、'Predictions'分别是辅助分类的输出，主线的输出以及经过softmax后的预测输出
'''
到这里，前向传播已经写完，对其进行运算性能测试
'''
########评估网络每轮计算时间########
def time_tensorflow_run(session, target, info_string):
# Args:
# session:the TensorFlow session to run the computation under.
# target:需要评测的运算算子。
# info_string:测试名称。
num_steps_burn_in = 10
# 先定义预热轮数（头几轮跌代有显存加载、cache命中等问题因此可以跳过，只考量10轮迭代之后的计算时间）
total_duration = 0.0 # 记录总时间
total_duration_squared = 0.0 # 总时间平方和 -----用来后面计算方差
#迭代计算时间
for i in range(num_batches + num_steps_burn_in): # 迭代轮数
start_time = time.time() # 记录时间
_ = session.run(target) # 每次迭代通过session.run(target)
duration = time.time() - start_time
#每十轮输出一次
if i >= num_steps_burn_in:
if not i % 10:
print ('%s: step %d, duration = %.3f' %
(datetime.now(), i - num_steps_burn_in, duration))
total_duration += duration # 累加便于后面计算每轮耗时的均值和标准差
total_duration_squared += duration * duration
mn = total_duration / num_batches # 每轮迭代的平均耗时
vr = total_duration_squared / num_batches - mn * mn
# 方差，是把一般的方差公式进行化解之后的结果，值得 借鉴
sd = math.sqrt(vr) # 标准差
print ('%s: %s across %d steps, %.3f +/- %.3f sec / batch' %
(datetime.now(), info_string, num_batches, mn, sd))
#输出的时间是处理一批次的平均时间加减标准差
# 测试前向传播性能
batch_size = 32 # 因为网络结构较大依然设置为32，以免GPU显存不够
height, width = 299, 299 # 图片尺寸
# 随机生成图片数据作为input
inputs = tf.random_uniform((batch_size, height, width, 3))
with slim.arg_scope(inception_v3_arg_scope()):
# scope中包含了batch normalization默认参数，激活函数和参数初始化方式的默认值
logits, end_points = inception_v3(inputs, is_training=False)
# inception_v3中传入inputs获取里logits和end_points
init = tf.global_variables_initializer() # 初始化全部模型参数
sess = tf.Session() # 创建session
sess.run(init)
num_batches=100 # 测试的batch数量
time_tensorflow_run(sess, logits, "Forward")
'''
虽然输入图片比VGGNet的224*224大了78%，但是forward速度却比VGGNet更快。
这主要归功于其较小的参数量，inception V3参数量比inception V1的700万
多了很多，不过仍然不到AlexNet的6000万参数量的一半。相比VGGNet的1.4
亿参数量就更少了。整个网络的浮点计算量为50亿次，比inception V1的15亿
次大了不少，但是相比VGGNet来说不算大。因此较少的计算量让inception V3
网络变得非常实用，可以轻松地移植到普通服务器上提供快速响应服务，甚至
移植到手机上进行实时的图像识别。
'''
#分析结果：前面的输出是当前时间下每10步的计算时间，最后输出的是当前时间下前向传播的总批次以及平均时间+-标准差
最后附上我的运行结果：
我也有很多不懂得地方，毕竟也是初学者，欢迎交流讨论