欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

[pytorch、学习] - 5.5 卷积神经网络(LeNet)

程序员文章站 2022-07-06 18:01:48
...

参考

5.5 卷积神经网络(LeNet)

卷积层尝试解决两个问题:

  1. 卷积层保留输入形状,使图像的像素在高和宽两个方向上的相关性均可能被有效识别;
  2. 卷积层通过滑动窗口将同一卷积核和不同位置的输入重复计算,从而避免参数尺寸过大。

[pytorch、学习] - 5.5 卷积神经网络(LeNet)

5.5.1 LeNet模型

LeNet分为卷积层块和全连接层块两个部分.

卷积层块的基本单位是卷积层后接最大池化层: 卷积层用来识别图像里的空间模式(线条和物体局部),之后最大池化用来降低卷积层对位置的敏感性。卷积层块由两个这样的基本单位重复堆叠构成。

在卷积层块中,每个卷积层都使用5×5的窗口,并在输出上使用sigmoid**函数。第一个卷积层输出通道数为6,第二个卷积层输出通道数则增加到16。这是因为第二个卷积层比第一个卷积层的输入的高和宽要小,所以增加输出通道使两个卷积层的参数尺寸类似。卷积层块的两个最大池化层的窗口形状均为2×2,且步幅为2。由于池化窗口与步幅形状相同,池化窗口在输入上每次滑动所覆盖的区域互不重叠。

卷积层块的输出形状为(批量大小, 通道, 高, 宽)。当卷积层块的输出传入全连接层块时,全连接层块会将小批量中每个样本变平(flatten)。也就是说,全连接层的输入形状将变成二维,其中第一维是小批量中的样本,第二维是每个样本变平后的向量表示,且向量长度为通道、高和宽的乘积。全连接层块含3个全连接层。它们的输出个数分别是120、84和10,其中10为输出的类别个数。

下面通过Sequential类来实现LeNet模型

import time
import torch
import torch.nn as nn
import sys
sys.path.append("..")
import d2lzh_pytorch as d2l

device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

class LeNet(nn.Module):
    def __init__(self):
        super(LeNet, self).__init__()
        self.conv = nn.Sequential(
            nn.Conv2d(1, 6, 5),   # in_channels, out_channels, kernel_size: (1, 1, 28, 28) -> (6, 1, 24, 24)
            nn.Sigmoid(),
            nn.MaxPool2d(2, 2),   #  kernel_size, stride: (6, 24, 24) -> (6, 1,12, 12)
            nn.Conv2d(6, 16, 5),  # (6, 1, 12, 12) -> (16, 1, 8, 8)
            nn.Sigmoid(),
            nn.MaxPool2d(2, 2)    # (16, 1, 8, 8) -> (16, 1, 4, 4)
        )
        self.fc = nn.Sequential(
            nn.Linear(16*4*4, 120), # (16, 1, 4, 4) -> (256) -> (120)
            nn.Sigmoid(),
            nn.Linear(120, 84),  # (120) -> (84)
            nn.Sigmoid(),
            nn.Linear(84, 10)  # (84) -> (10)
        )
    
    def forward(self, img):
         # img: 1 * 1 * 28 * 28
        feature = self.conv(img)  
        output = self.fc(feature.view(img.shape[0], -1))
        return output
net = LeNet()
print(net)

[pytorch、学习] - 5.5 卷积神经网络(LeNet)
可以看到,在卷积层块中输入的高和宽在逐层减小。卷积层由于使用高和宽均为5的卷积核,从而将高和宽分别减小4,而池化层则将高和宽减半,但通道数则从1增加到16。全连接层则逐层减少输出个数,直到变成图像的类别数10。

5.5.2 获取数据和训练模型

batch_size = 256
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size = batch_size)
# 使用GPU计算
def evaluate_accuracy(data_iter, net, device=None):
    if device is None and isinstance(net, torch.nn.Module):
        # 如果没指定device就使用net的device
        device = list(net.parameters())[0].device
    acc_sum, n = 0.0, 0
    with torch.no_grad():
        for X, y in data_iter:
            if isinstance(net, torch.nn.Module):
                net.eval() # 评估模式, 这会关闭dropout
                acc_sum += (net(X.to(device)).argmax(dim=1) == y.to(device)).float().sum().cpu().item()
                net.train() # 改回训练模式
            else: # 自定义的模型, 3.13节之后不会用到, 不考虑GPU
                if('is_training' in net.__code__.co_varnames): # 如果有is_training这个参数
                    # 将is_training设置成False
                    acc_sum += (net(X, is_training=False).argmax(dim=1) == y).float().sum().item() 
                else:
                    acc_sum += (net(X).argmax(dim=1) == y).float().sum().item() 
            n += y.shape[0]
    return acc_sum / n
def train_ch5(net, train_iter, test_iter, batch_size, optimizer, device, num_epochs):
    net = net.to(device)
    print("training on ", device)
    loss = torch.nn.CrossEntropyLoss()
    for epoch in range(num_epochs):
        train_l_sum, train_acc_sum, n, batch_count, start = 0.0, 0.0, 0, 0, time.time()
        for X, y in train_iter:
            X = X.to(device)
            y = y.to(device)
            y_hat = net(X)
            l = loss(y_hat, y)
            optimizer.zero_grad()
            l.backward()
            optimizer.step()
            train_l_sum += l.cpu().item()
            train_acc_sum += (y_hat.argmax(dim=1) == y).sum().cpu().item()
            n += y.shape[0]
            batch_count += 1
        test_acc = evaluate_accuracy(test_iter, net)
        print('epoch %d, loss %.4f, train acc %.3f, test acc %.3f, time %.1f sec'
              % (epoch + 1, train_l_sum / batch_count, train_acc_sum / n, test_acc, time.time() - start))
lr, num_epochs = 0.001, 10
optimizer = torch.optim.Adam(net.parameters(), lr=lr)
train_ch5(net, train_iter, test_iter, batch_size, optimizer, device, num_epochs)

[pytorch、学习] - 5.5 卷积神经网络(LeNet)