TensorFlow实现VGGNet

一、VGGNet简介

VGGNet是牛津大学计算机视觉组和Google DeepMind公司的研究员一起研发的深度卷积神经网络。VGGNet探索了卷积神经网络的深度与其性能之间的关系，通过反复堆叠的小型卷积核和的最大池化层，VGGNet成功地构造了16~19层深的卷积神经网络。VGGNet的错误率大幅下降，取得了ILSVRC 2014比赛分类项目的第2名和定位项目的第1名。同时，VGGNet的拓展性很强，迁移到其他图片数据上的泛化性非常好。VGG的结构非常简洁，整个网络都使用了同样大小的卷积核尺寸（）和最大池化尺寸（）。目前为止，VGGNet依然经常别用来提取图像特征。

VGGNet拥有5段卷积，每一段内有2~3个卷积层，同时每段尾部会连接一个最大池化层用来缩小图片的尺寸。每一段的卷积核数量相同，越往后的卷积核数量越多：64-128-256-512-512.经常出现多个完全一样的的卷积层堆叠在一起的情况。两个的卷积层串联相当于1个的卷积层，即一个像素会跟周围的像素产生关联，可以说感受野大小为。3个的卷积层串联的效果相当于1个7的卷积层，除此之外，它的参数量变小了，并且拥有比1个的卷积层更多的非线性变换（前者使用三次ReLU，后者使用一次），使得CNN对特征的学习能力更强。

VGGNet网络的训练，我们可以先训练一个层数比较小的网络，然后在训练一个层数比较多的网络，不断的增加层数迭代训练。通过VGGNet的训练，总结了一下几点：

1. LRN层作用不大
2. 越深的网络效果越好
3. 的卷积也是有效的，但是没有的好。大一些的卷积核可以学习更大的空间特征。

二、 TensorFlow实现VGGNet

我们实现VGGNet-16，也就是说一共16层，其中有13层卷积层，3层全连接层。我们依然是评测forward和backward的运行性能，并不进行实质的训练和预测。

# 导包
from datetime import datetime
import math
import time
import tensorflow as tf

# 创建卷积层，并把参数存入列表
def conv_op(input_op, name, kh, kw, n_out, dh, dw, p):
    """
    input_op:输入的tensor
    name:这一层的名字
    kh:卷积核的高
    kw:卷积核的宽
    n_out:卷积核数量即输出通道数
    dh:是步长的高
    dw:是步长的宽
    p：是参数列表
    """
    n_in = input_op.get_shape()[-1].value  # 获取输入的通道数
    
    with tf.name_scope(name) as scope:
        
        # 卷积核
        kernel = tf.get_variable(scope + 'w', shape=[kh, kw, n_in, n_out], dtype=tf.float32, initializer=tf.contrib.layers.xavier_initializer_conv2d())
        # 卷积操作
        conv = tf.nn.conv2d(input_op, kernel, (1, dh, dw, 1), padding='SAME')
        # 偏置
        bias_int_val = tf.constant(0.0, shape=[n_out], dtype=tf.float32)
        biases = tf.Variable(bias_int_val, trainable=True, name='b')
        # 卷积加偏置
        z = tf.nn.bias_add(conv, biases)
        # 激活
        activation = tf.nn.relu(z, name=scope)
        # 存参数
        p += [kernel, biases]
        return activation

# 创建全连接层，并把参数传入列表
def fc_op(input_op, name, n_out, p):
    """
    input_out：输入的tensor
    name：这一层的名字
    n_out：输出的通道数
    p：是参数列表
    """
    n_in = input_op.get_shape()[-1].value
    
    with tf.name_scope(name) as scope:
        kernel = tf.get_variable(scope + 'w', shape=[n_in, n_out], dtype=tf.float32, initializer=tf.contrib.layers.xavier_initializer())  # 参数
        biases = tf.Variable(tf.constant(0.1, shape=[n_out], dtype=tf.float32), name='b')  # 偏置
        activation = tf.nn.relu_layer(input_op, kernel, biases, name=scope)
        p += [kernel, biases]
        return activation

# 创建池化层
def mpool_op(input_op, name, kh, kw, dh, dw):
    """
    input_op：输入的tensor
    name：这层的名字
    kh：池化核的长度
    kw：池化核的宽度
    dh：步长的长度
    dw：步长的宽度
    """
    return tf.nn.max_pool(input_op, ksize=[1, kh, kw, 1], strides=[1, dh, dw, 1], padding='SAME', name=name)

# 搭建VGGNet-16网络
def inference_op(input_op, keep_prob):
    p = []
    
    # 第一段卷积网络
    conv1_1 = conv_op(input_op, name='conv1_1', kh=3, kw=3, n_out=64, dh=1, dw=1, p=p)
    conv1_2 = conv_op(conv1_1, name='conv1_2', kh=3, kw=3, n_out=64, dh=1, dw=1, p=p)
    pool1 = mpool_op(conv1_2, name='pool1', kh=2, kw=2, dw=2, dh=2)
    
    # 第二段卷积网络
    conv2_1 = conv_op(pool1, name='conv2_1', kh=3, kw=3, n_out=128, dh=1, dw=1, p=p)
    conv2_2 = conv_op(conv2_1, name='conv2_2', kh=3, kw=3, n_out=128, dh=1, dw=1, p=p)
    pool2 = mpool_op(conv2_2, name='pool2', kh=2, kw=2, dh=2, dw=2)
    
    # 第三段卷积网络
    conv3_1 = conv_op(pool2, name='conv3_1', kh=3, kw=3, n_out=256, dh=1, dw=1, p=p)
    conv3_2 = conv_op(conv3_1, name='conv3_2', kh=3, kw=3, n_out=256, dh=1, dw=1, p=p)
    conv3_3 = conv_op(conv3_2, name='conv3_3', kh=3, kw=3, n_out=256, dh=1, dw=1, p=p)
    pool3 = mpool_op(conv3_3, name='pool3', kh=2, kw=2, dh=2, dw=2)
    
    # 第四段卷积网络
    conv4_1 = conv_op(pool3, name='conv4_1', kh=3, kw=3, n_out=512, dh=1, dw=1, p=p)
    conv4_2 = conv_op(conv4_1, name='conv4_2', kh=3, kw=3, n_out=512, dh=1, dw=1, p=p)
    conv4_3 = conv_op(conv4_2, name='conv4_3', kh=3, kw=3, n_out=512, dh=1, dw=1, p=p)
    pool4 = mpool_op(conv4_3, name='pool4', kh=2, kw=2, dh=2, dw=2)
    
    # 第五段卷积网络
    conv5_1 = conv_op(pool4, name='conv5_1', kh=3, kw=3, n_out=512, dh=1, dw=1, p=p)
    conv5_2 = conv_op(conv5_1, name='conv5_2', kh=3, kw=3, n_out=512, dh=1, dw=1, p=p)
    conv5_3 = conv_op(conv5_2, name='conv5_2', kh=3, kw=3, n_out=512, dh=1, dw=1, p=p)
    pool5 = mpool_op(conv5_3, name='pool5', kh=2, kw=2, dw=2, dh=2)
    
    # 扁平化，将pool5转化为一维向量
    shp = pool5.get_shape()
    flattened_shape = shp[1].value * shp[2].value * shp[3].value
    resh1 = tf.reshape(pool5, [-1, flattened_shape], name='resh1')
    
    # 第一个全连接层
    fc6 = fc_op(resh1, name='fc6', n_out=4096, p=p)
    fc6_drop = tf.nn.dropout(fc6, keep_prob, name='fc6_drop')
    
    # 第二个全连接层
    fc7 = fc_op(fc6_drop, name='fc7', n_out=4096, p=p)
    fc7_drop = tf.nn.dropout(fc7, keep_prob, name='fc7_drop')
    
    # 第三个全连接层，输入到softmax中，输出概率最大的类别
    fc8 = fc_op(fc7_drop, name='fc8', n_out=1000, p=p)
    softmax = tf.nn.softmax(fc8)
    predictions = tf.argmax(softmax, 1)
    return predictions, softmax, fc8, p

# 评测函数
def time_tensorflow_run(session, target, feed, info_string):
    num_steps_burn_in = 10
    total_duration = 0.0
    total_duration_squared = 0.0
    for i in range(num_batches + num_steps_burn_in):
        start_time = time.time()
        _ = session.run(target, feed_dict=feed)
        duration = time.time() - start_time
        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
                total_duration_squared += duration * duration
    mn = total_duration / num_batches
    vr = total_duration_squared / num_batches - mn * mn
    sd = math.sqrt(vr)
    
    print('%s: %s across %d steps, %.3f +/- %.3f sec / batch' % (datetime.now(), info_string, num_batches, mn, sd))

# 主函数
def run_benchmark():
    with tf.Graph().as_default():
        image_size = 224
        images = tf.Variable(tf.random_normal([batch_size, image_size, image_size, 3], dtype=tf.float32, stddev=1e-1))
        
        # 创建keep_prob的占位符
        keep_prob = tf.placeholder(tf.float32)
        predictions, softmax, fc8, p = inference_op(images, keep_prob)
        
        # 创建session
        init = tf.global_variables_initializer()
        sess = tf.Session()
        sess.run(init)
        
        # 执行评测
        time_tensorflow_run(sess, predictions, {keep_prob: 1.0}, "Forward")
        objective = tf.nn.l2_loss(fc8)
        grad = tf.gradients(objective, p)
        time_tensorflow_run(sess, grad, {keep_prob: 0.5}, "Forward-backward")

batch_size = 32
num_batches = 100
run_benchmark()

从结果我们可以看出，forward花费的每十步花费的时间为8.64秒，backward花费的时间为28.30秒。可以看出VGGNet的复杂度要比AlexNet复杂很多。但是在比赛中的错误率最终达到了7.3%。相比AlexNet进步很大。