第二次作业:卷积神经网络 part 1

1 视频学习

1.1 深度学习的数学基础

在这一章里主要学习了以下内容:

  • 矩阵的线性变换,特征向量与特征值;
  • 秩:如果矩阵的各行具有相关性,一般是低秩的;通常利用秩进行数据降维(如:利用最大秩压缩图像、奇异值分解)和低秩近似(如:图像去噪,将矩阵分解为一个低秩矩阵,一个稀疏矩阵);
  • 机器学习的三要素:概率形式与函数形式的关系;
  • 训练误差与泛化误差;
  • 欠拟合与过拟合;
  • 频率学派(关注可独立重复的随机试验中单个事件发生的频率,从观测数据中估计参数值)与贝叶斯学派(关注随机事件的可信程度,可能性=假设+数据)。

1.2 卷积神经网络

1.2.1 绪论

1.卷积神经网络的应用

  • 分类、检索、检测、分割
  • 人脸识别、人脸表情识别、图像生成、图像风格转化、自动驾驶

2.传统神经网络与卷积神经网络
(1)深度学习的三步

  • Step1:Neural Network(搭建神经网络结构)
  • Step2:Cost Fuction(找到合适的损失函数)
  • Step3:Optimization(找到合适的优化函数,更新参数)
    • 反向传播(BP)
    • 随机梯度下降(SGD)

(2)损失函数--用来衡量吻合度的

  • 常用分类损失:交叉熵损失
  • 常用回归损失:均方误差(MSE)

(3)全连接网络处理图像的问题:参数太多,容易导致过拟合
(4)卷积神经网络的解决方式:局部关联,参数共享
(5)相同之处:都是层级结构

1.2.2 基本组成结构

1.卷积(Concolutional Layer)

input 输入
kernel/filter 卷积核/滤波器
weights 权重
receptive field 感受野
activation map/feature map 特征图
depth/channel 深度
output 输出

2.池化(Pooling Layer)

  • Pooling:保留了主要特征,减少参数和计算量,防止过拟合,提高模型泛化能力
  • Pooling类型:最大池化(Max pooling)、平均池化(Average pooling)

3.全连接(FC layer)

  • 两层之间所有神经元都有权重链接
  • 通常在卷积神经网络尾部
  • 全连接层参数两通常最大

1.2.3 卷积神经网络典型结构

1.AlexNet

  • 大数据训练
  • 非线性激活函数
    • 解决了梯度消失问题(正区间)
    • 计算速度特别快,只需判断输入是否大于零
    • 收敛速度远快于sigmoid
  • 防止过拟合:Dropout,Data augmentation
    • Dropout:随机失活,训练时随机关闭部分神经元,测试时整合所有神经元
    • Data augmentation:平移、翻转、对称;改变RGB通道强度(加入高斯噪声)

2.ZFNet

  • 网络结构与AlexNet相同
  • 将卷积层1中的感受野和步长减小
  • 卷积层3,4,5中的滤波器个数变大

3.VGG
将AlexNet的8layers提升至16~19层,深度更深
4.GoogleNet

  • 网络总体结构:
    • 网络包含22个带参数的层
    • 参数量大约为AlexNet的1/12(由于没有FC层)
  • Naive Inception
    • 多个卷积核并行,增加特征多样性
    • 经过不同的卷积层,channel的个数增大,计算量增大
  • Inception V2
    • 插入1×1卷积核进行降维(绝大多数1×1卷积核只起到降维的作用)
  • Inception V3
    • 用小的卷积核代替较大的卷积核(用两个3×3的卷积核来代替一个5×5的卷积核),降低参数量

第二次作业:卷积神经网络 part 1_第1张图片

  • Stem部分:卷积-池化-卷积-卷积-池化
  • Inception:多个Inception拼接
  • 输出:没有额外的全连接层(除了最后的类别输出层)
  • 辅助分类器:解决由于模型深度过深导致的梯度消失的问题

5.ResNet

  • 残差学习网络(deep residual learning network)
  • 可以训练很深的网络
    第二次作业:卷积神经网络 part 1_第2张图片

1.3 ResNet

代码实现 链接

2 代码练习

2.1 MNIST 数据集分类

import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torchvision import datasets, transforms
import matplotlib.pyplot as plt
import numpy

# 一个函数,用来计算模型中有多少参数
def get_n_params(model):
  np=0
  for p in list(model.parameters()):
    np += p.nelement()
  return np

# 用GPU训练
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")

1.加载数据(MNIST)

input_size = 28*28   # MNIST上的图像尺寸是 28*28
output_size = 10    # 类别为0到9的数字,因此为10类

train_loader = torch.utils.data.DataLoader(
    datasets.MNIST('./data', train=True, download=True,
        transform=transforms.Compose(
            [transforms.ToTensor(),
             transforms.Normalize((0.1307,), (0.3081))])),
    batch_size=64, shuffle=True)
test_loader = torch.utils.data.DataLoader(
    datasets.MNIST('./data', train=False, transform=transforms.Compose([
         transforms.ToTensor(),
         transforms.Normalize((0.1307,), (0.3081))])),
    batch_size=1000, shuffle=True)

显示数据集中的部分图像

plt.figure(figsize=(8, 5))
for i in range(20):
  plt.subplot(4, 5, i+1)
  image, _ = train_loader.dataset.__getitem__(i)
  plt.imshow(image.squeeze().numpy(),'gray')
  plt.axis('off');

第二次作业:卷积神经网络 part 1_第3张图片

2.创建网络

定义网络时,需要继承nn.Module,并实现它的forward方法,把网络中具有可学习参数的层放在构造函数init中。
只要在nn.Module的子类中定义了forward函数,backward函数就会自动被实现(利用autograd)。

class FC2Layer(nn.Module):
  def __init__(self, input_size, n_hidden, output_size):
    # nn.Module子类的函数必须在构造函数中执行父类的构造函数
    # 下式等价于nn.Module.__init__(self)
    super(FC2Layer, self).__init__()
    self.input_size = input_size
    # 这里直接用 SEquential 就定义了网络,注意要和下面 CNN 的代码区分开
    self.network = nn.Sequential(
        nn.Linear(input_size, n_hidden),
        nn.ReLU(),
        nn.Linear(n_hidden, n_hidden),
        nn.ReLU(),
        nn.Linear(n_hidden, output_size),
        nn.LogSoftmax(dim=1)
    )
  def forward(self, x):
    # view一般出现在model类的forward函数中,用于改变输入或输出的形状
    # x.view(-1, self.input_size) 的意思是多为的数据展成二维
    # 代码指定二维数据的列数为 input_size=784,行数-1表示我们不想算,电脑会自己算对应的数字
    # 在 DataLoader 部分,我们可以看到 batch_size 是64,所以得到 x 的行数是64
    # 大家可以加一行代码:print(x.cpu().numpy().shape)
    # 训练过程中,就会看到 (64, 784) 的输出,和我们的预期是一致的

    # forward 函数的作用是,指定网络的运行过程,这个全连接网络可能看不啥意义,
    # 下面的CNN网络可以看出 forward 的作用。
    x = x.view(-1, self.input_size)
    #print(x.cpu().numpy().shape)
    return self.network(x)

class CNN(nn.Module):
  def __init__(self, input_size, n_feature, output_size):
    # 执行父类的构造函数,所有的网络都要这么写
    super(CNN, self).__init__()
    # 下面是网络里典型结构的一些定义,一般就是卷积和全连接
    # 池化、ReLU一类的不用在这里定义
    self.n_feature = n_feature
    self.conv1 = nn.Conv2d(in_channels=1, out_channels=n_feature, kernel_size=5)
    self.conv2 = nn.Conv2d(n_feature, n_feature, kernel_size=5)
    self.fc1 = nn.Linear(n_feature*4*4, 50)
    self.fc2 = nn.Linear(50, 10)

  # 下面的 forward 函数,定义了网络的结构,按照一定顺序,把上面构建的一些结构组织起来
  # 意思就是,conv1, conv2 等等的,可以多次重用
  def forward(self, x, verbose=False):
    x = self.conv1(x)
    x = F.relu(x)
    x = F.max_pool2d(x, kernel_size=2)
    x = self.conv2(x)
    x = F.relu(x)
    x = F.max_pool2d(x, kernel_size=2)
    x = x.view(-1, self.n_feature*4*4)
    x = self.fc1(x)
    x = F.relu(x)
    x = self.fc2(x)
    x = F.log_softmax(x, dim=1)
    return x

定义训练和测试函数

# 训练函数
def train(model):
  model.train()
  # 这里从train_loader里,64个样本一个batch为单位提取样本进行训练
  for batch_idx, (data, target) in enumerate(train_loader):
    # 把数据送到GPU中
    data, target = data.to(device), target.to(device)

    optimizer.zero_grad()
    output = model(data)
    loss = F.nll_loss(output, target)
    loss.backward()
    optimizer.step()
    if batch_idx % 100 == 0:
      print('Train: [{}/{} ({:.0f}%)]\tLoss: {:.6f}'.format(
          batch_idx * len(data), len(train_loader.dataset),
          100. * batch_idx / len(train_loader), loss.item()
      ))

def test(model):
  model.eval()
  test_loss = 0
  correct = 0
  for data, target in test_loader:
    # 把数据送到GPU中
    data, target = data.to(device), target.to(device)
    # 把数据送入模型,得到预测结果
    output = model(data)
    # 计算本次batch的损失,并加到 test_loss 中
    test_loss += F.nll_loss(output, target, reduction='sum').item()
    # get the index of the max log_probability, 最后一层输出10个数,
    # 值最大的那个对应着分类结果,然后把分类结果保存在 pred 里
    pred = output.data.max(1, keepdim=True)[1]
    # 将pred与target相比,得到正确的预测结果的数量,并加到correct中
    # 这里需要注意以下 view_as ,意思是把 target 变成维度和 pred 一样的意思
    correct += pred.eq(target.data.view_as(pred)).cpu().sum().item() 

  test_loss /= len(test_loader.dataset)
  accuracy = 100. * correct / len(test_loader.dataset)
  print('\nTest set: Average loss: {:.4f}, Accuracy: {}/{} ({:.0f}%)\n'.format(
        test_loss, correct, len(test_loader.dataset),
        accuracy))

3.在小型全连接网络上训练

n_hidden = 8 # number of hiddin units

model_fnn = FC2Layer(input_size, n_hidden, output_size)
model_fnn.to(device)
optimizer = optim.SGD(model_fnn.parameters(), lr=0.01, momentum=0.5)
print('Number of parameters: {}'.format(get_n_params(model_fnn)))

train(model_fnn)
test(model_fnn)

Test set: Average loss: 0.4685, Accuracy: 8607/10000 (86%)

4.在卷积神经网络上训练

# Training settings
n_features = 6 #number of feature maps

model_cnn = CNN(input_size, n_features, output_size)
model_cnn.to(device)
optimizer = optim.SGD(model_cnn.parameters(), lr=0.01, momentum=0.5)
print('Number of parameters: {}'.format(get_n_params(model_cnn)))

train(model_cnn)
test(model_cnn)

Test set: Average loss: 0.2028, Accuracy: 9417/10000 (94%)

5.打乱像素顺序再次在两个网络上训练与测试

# torch.randperm 函数,给定参数n,返回一个从0到n-1的随机整数排列
perm = torch.randperm(784)
plt.figure(figsize=(8, 4))
for i in range(10):
    image, _ = train_loader.dataset.__getitem__(i)
    # permute pixels
    image_perm = image.view(-1, 28*28).clone()
    image_perm = image_perm[:, perm]
    image_perm = image_perm.view(-1, 1, 28, 28)
    plt.subplot(4, 5, i + 1)
    plt.imshow(image.squeeze().numpy(), 'gray')
    plt.axis('off')
    plt.subplot(4, 5, i + 11)
    plt.imshow(image_perm.squeeze().numpy(), 'gray')
    plt.axis('off')

第二次作业:卷积神经网络 part 1_第4张图片

# 对每个 batch 里的数据,打乱像素顺序的函数
def perm_pixel(data, perm):
    # 转化为二维矩阵
    data_new = data.view(-1, 28*28)
    # 打乱像素顺序
    data_new = data_new[:, perm]
    # 恢复为原来4维的 tensor
    data_new = data_new.view(-1, 1, 28, 28)
    return data_new

# 训练函数
def train_perm(model, perm):
    model.train()
    for batch_idx, (data, target) in enumerate(train_loader):
        data, target = data.to(device), target.to(device)
        # 像素打乱顺序
        data = perm_pixel(data, perm)

        optimizer.zero_grad()
        output = model(data)
        loss = F.nll_loss(output, target)
        loss.backward()
        optimizer.step()
        if batch_idx % 100 == 0:
            print('Train: [{}/{} ({:.0f}%)]\tLoss: {:.6f}'.format(
                batch_idx * len(data), len(train_loader.dataset),
                100. * batch_idx / len(train_loader), loss.item()))

# 测试函数
def test_perm(model, perm):
    model.eval()
    test_loss = 0
    correct = 0
    for data, target in test_loader:
        data, target = data.to(device), target.to(device)

        # 像素打乱顺序
        data = perm_pixel(data, perm)

        output = model(data)
        test_loss += F.nll_loss(output, target, reduction='sum').item()
        pred = output.data.max(1, keepdim=True)[1]                                            
        correct += pred.eq(target.data.view_as(pred)).cpu().sum().item()

    test_loss /= len(test_loader.dataset)
    accuracy = 100. * correct / len(test_loader.dataset)
    print('\nTest set: Average loss: {:.4f}, Accuracy: {}/{} ({:.0f}%)\n'.format(
        test_loss, correct, len(test_loader.dataset),
        accuracy))

在全连接网络上训练

perm = torch.randperm(784)
n_hidden = 8 # number of hidden units

model_fnn = FC2Layer(input_size, n_hidden, output_size)
model_fnn.to(device)
optimizer = optim.SGD(model_fnn.parameters(), lr=0.01, momentum=0.5)
print('Number of parameters: {}'.format(get_n_params(model_fnn)))

train_perm(model_fnn, perm)
test_perm(model_fnn, perm)

Test set: Average loss: 0.4282, Accuracy: 8695/10000 (87%)
在卷积神经网络上训练

perm = torch.randperm(784)
n_features = 6 # number of feature maps

model_cnn = CNN(input_size, n_features, output_size)
model_cnn.to(device)
optimizer = optim.SGD(model_cnn.parameters(), lr=0.01, momentum=0.5)
print('Number of parameters: {}'.format(get_n_params(model_cnn)))

train_perm(model_cnn, perm)
test_perm(model_cnn, perm)

Test set: Average loss: 0.6033, Accuracy: 8059/10000 (81%)

小结:

  • 用FC网络和CNN网络对MNIST数据进行分类,CNN网络的准确率比FC网络高约8%
  • 从打乱像素顺序的实验结果来看,全连接网络的性能基本上没有发生变化,但是卷积神经网络的性能明显下降。这是因为对于卷积神经网络,会利用像素的局部关系,但是打乱顺序以后,这些像素间的关系将无法得到利用。

你可能感兴趣的:(第二次作业:卷积神经网络 part 1)