综合技术

深度学习笔记16:CNN经典论文研读之AlexNet及其Tensorflow实现

微信扫一扫,分享到朋友圈

深度学习笔记16:CNN经典论文研读之AlexNet及其Tensorflow实现
0

在 Yann Lecun 提出 Le-Net5 之后的十几年内,由于神经网络本身较差的可解释性以及受限于计算能力的影响,神经网络发展缓慢且在较长一段时间内处于低谷。2012年,深度学习三巨头之一、具有神经网络之父之称的 Geoffrey Hinton 的学生 Alex Krizhevsky 率先提出了 AlexNet,并在当年度的 ILSVRC(ImageNet大规模视觉挑战赛)以显著的优势获得当届冠军,top-5 的错误率降至了 16.4%,相比于第二名 26.2% 的错误率有了极大的提升。这一成绩引起了学界和业界的极大关注,计算机视觉也开始逐渐进入深度学习主导的时代。

AlexNet 继承了 LeCun 的 Le-Net5 思想,将卷积神经网络的发展到很宽很深的网络当中,相较于 Le-Net5 的六万个参数,AlexNet 包含了 6 亿三千万条连接,6000 万个参数和 65 万个神经元,其网络结构包括 5 层卷积,其中第一、第二和第五层卷积后面连接了最大池化层,然后是 3 个全连接层。AlexNet 的创新点在于:

● 首次成功使用 relu 作为激活函数,使其在较深的网络上效果超过传统的 sigmoid 激活函数,极大的缓解了梯度消失问题。

● 首次在实践中发挥了 dropout 的作用,为全连接层添加 dropout 防止过拟合。

● 相较于之前 Le-Net5 中采用的平均池化,AlexNet 首次采用了重叠的最大池化,避免了平均池化的模糊化效果。

● 提出了 LRN 层,对局部神经元的活动创建了竞争机制。

● 使用多 GPU 进行并行计算。

● 采用了一定的数据增强手段,一定程度上也缓解了过拟合。

AlexNet 网络结构

以上是 AlexNet 的基本介绍和创新点,下面我们看一下 AlexNet 的网络架构。

AlexNet 不算池化层总共有 8 层,前 5 层为卷积层,其中第一、第二和第五层卷积都包含了一个最大池化层,后三层为全连接层。所以 AlexNet 的简略结构如下:

输入>卷积>池化>卷积>池化>卷积>卷积>卷积>池化>全连接>全连接>全连接>输出

各层的结构和参数如下:

C1层是个卷积层,其输入输出结构如下:

输入: 227 x 227 x 3 滤波器大小: 11 x 11 x 3 滤波器个数:96

输出: 55 x 55 x 96

P1层是C1后面的池化层,其输入输出结构如下:

输入: 55 x 55 x 96 滤波器大小: 3 x 3 滤波器个数:96

输出: 27 x 27 x 96

C2层是个卷积层,其输入输出结构如下:

输入: 27 x 27 x 96 滤波器大小: 5 x 5 x 96 滤波器个数:256

输出: 27 x 27 x 256

P2层是C2后面的池化层,其输入输出结构如下:

输入: 27 x 27 x 256 滤波器大小: 3 x 3 滤波器个数:256

输出: 13 x 13 x 256

C3层是个卷积层,其输入输出结构如下:

输入: 13 x 13 x 256 滤波器大小: 3 x 3 x 256 滤波器个数:384

输出: 13 x 13 x 384

C4层是个卷积层,其输入输出结构如下:

输入: 13 x 13 x 384 滤波器大小: 3 x 3 x 384 滤波器个数:384

输出: 13 x 13 x 384

C5层是个卷积层,其输入输出结构如下:

输入: 13 x 13 x 384 滤波器大小: 3 x 3 x 384 滤波器个数:256

输出: 13 x 13 x 256

P5层是C5后面的池化层,其输入输出结构如下:

输入: 13 x 13 x 256 滤波器大小: 3 x 3 滤波器个数:256

输出: 6 x 6 x 256

F6层是个全连接层,其输入输出结构如下:

输入:6 x 6 x 256

输出:4096

F7层是个全连接层,其输入输出结构如下:

输入:4096

输出:4096

F8层也是个全连接层,即输出层,其输入输出结构如下:

输入:4096

输出:1000

在论文中,输入图像大小为 224 x 224 x 3,实际为 227 x 227 x 3。各层输出采用 relu 进行激活。前五层卷积虽然计算量极大,但参数量并不如后三层的全连接层多,但前五层卷积层的作用却要比全连接层重要许多。

AlexNet 在验证集和测试集上的分类错误率表现:

AlexNet 的 tensorflow 实现

我们继续秉持前面关于利用 tensorflow 构建卷积神经网络的基本步骤和方法:定义创建输入输出的占位符变量模块、初始化各层参数模块、创建前向传播模块、定义模型优化迭代模型,以及在最后设置输入数据。

● 定义卷积过程

def conv(x, filter_height, filter_width, num_filters, stride_y, stride_x, name,

padding=’SAME’, groups=1):

# Get number of input channels

input_channels = int(x.get_shape()[-1])

# Create lambda function for the convolution

convolve = lambda i, k: tf.nn.conv2d(i, k,

padding=padding)

strides=[1, stride_y, stride_x, 1],

with tf.variable_scope(name) as scope:

# Create tf variables for the weights and biases of the conv layer

weights = tf.get_variable(‘weights’, shape=[filter_height,

biases = tf.get_variable(‘biases’, shape=[num_filters])

filter_width,

input_channels/groups,

num_filters])

if groups == 1:

conv = convolve(x, weights)

# In the cases of multiple groups, split inputs & weights and

else:

# Split input and weights and convolve them separately

input_groups = tf.split(axis=3, num_or_size_splits=groups, value=x)

weight_groups = tf.split(axis=3, num_or_size_splits=groups,

output_groups = [convolve(i, k) for i, k in zip(input_groups, weight_groups)]

value=weights)

# Concat the convolved output together again

conv = tf.concat(axis=3, values=output_groups)

# Add biases

bias = tf.reshape(tf.nn.bias_add(conv, biases), tf.shape(conv))

# Apply relu function

relu_result = tf.nn.relu(bias, name=scope.name)

return relu_result

● 定义全连接层

def fc(x, num_in, num_out, name, relu=True):

with tf.variable_scope(name) as scope:

# Create tf variables for the weights and biases

weights = tf.get_variable(‘weights’, shape=[num_in, num_out],

trainable=True)

biases = tf.get_variable(‘biases’, [num_out], trainable=True)

# Matrix multiply weights and inputs and add bias

act = tf.nn.xw_plus_b(x, weights, biases, name=scope.name)

if relu:

relu = tf.nn.relu(act)

return relu

else:

return act

● 定义最大池化过程

def max_pool(x, filter_height, filter_width, stride_y, stride_x, name,

padding=’SAME’):

return tf.nn.max_pool(x, ksize=[1, filter_height, filter_width, 1],

strides=[1, stride_y, stride_x, 1],

padding=padding, name=name)

● 定义 LRN

def lrn(x, radius, alpha, beta, name, bias=1.0):

return tf.nn.local_response_normalization(x, depth_radius=radius,

alpha=alpha, beta=beta,

bias=bias, name=name)

● 定义 dropout 操作

def dropout(x, keep_prob): 
return tf.nn.dropout(x,keep_prob)
 以上关于搭建 AlexNet 的各个组件我们都已准备好,下面我们利用这些组建创建一个 AlexNet 类来实现 AlexNet。

class AlexNet(object):
 def __init__(self, x, keep_prob, num_classes, skip_layer,
 weights_path='DEFAULT'):
 self.NUM_CLASSES = num_classes
 # Parse input arguments into class variables
 self.X = x
 if weights_path == 'DEFAULT':
 self.KEEP_PROB = keep_prob
 self.SKIP_LAYER = skip_layer

 # Call the create function to build the computational graph of AlexNet
 self.WEIGHTS_PATH = 'bvlc_alexnet.npy'
 else:
 self.create()
 self.WEIGHTS_PATH = weights_path


 conv1 = conv(self.X, 11, 11, 96, 4, 4, padding='VALID', name='conv1')
 def create(self):
 # 1st Layer: Conv (w ReLu) -> Lrn -> Pool
 norm1 = lrn(conv1, 2, 1e-04, 0.75, name='norm1')
 # 2nd Layer: Conv (w ReLu) -> Lrn -> Pool with 2 groups
 pool1 = max_pool(norm1, 3, 3, 2, 2, padding='VALID', name='pool1')

 conv2 = conv(pool1, 5, 5, 256, 1, 1, groups=2, name='conv2')
 conv3 = conv(pool2, 3, 3, 384, 1, 1, name='conv3')
 norm2 = lrn(conv2, 2, 1e-04, 0.75, name='norm2')
 pool2 = max_pool(norm2, 3, 3, 2, 2, padding='VALID', name='pool2')

 # 3rd Layer: Conv (w ReLu)

 conv5 = conv(conv4, 3, 3, 256, 1, 1, groups=2, name='conv5')
 # 4th Layer: Conv (w ReLu) splitted into two groups
 conv4 = conv(conv3, 3, 3, 384, 1, 1, groups=2, name='conv4')

 # 5th Layer: Conv (w ReLu) -> Pool splitted into two groups
 fc6 = fc(flattened, 6*6*256, 4096, name='fc6')
 pool5 = max_pool(conv5, 3, 3, 2, 2, padding='VALID', name='pool5')

 # 6th Layer: Flatten -> FC (w ReLu) -> Dropout
 dropout6 = dropout(fc6, self.KEEP_PROB)
 flattened = tf.reshape(pool5, [-1, 6*6*256])

 # 7th Layer: FC (w ReLu) -> Dropout
 def load_initial_weights(self, session):
 fc7 = fc(dropout6, 4096, 4096, name='fc7')
 dropout7 = dropout(fc7, self.KEEP_PROB)

 # 8th Layer: FC and return unscaled activations
 self.fc8 = fc(dropout7, 4096, self.NUM_CLASSES, relu=False, name='fc8')

 with tf.variable_scope(op_name, reuse=True):
 # Load the weights into memory
 weights_dict = np.load(self.WEIGHTS_PATH, encoding='bytes').item()
 for op_name in weights_dict:

 # Loop over all layer names stored in the weights dict

 if op_name not in self.SKIP_LAYER:
 # Check if layer should be trained from scratch


 session.run(var.assign(data))
 # Assign weights/biases to their corresponding tf variable
 for data in weights_dict[op_name]:
 if len(data.shape) == 1:

 # Biases
 var = tf.get_variable('biases', trainable=False)
 session.run(var.assign(data))

 # Weights
 else:
 var = tf.get_variable('weights', trainable=False)

在上述代码中,我们利用了之前定义的各个组件封装了前向计算过程,从 http://www.cs.toronto.edu/~guerzhoy/tf_alexnet/ 上导入了预训练好的模型权重。这样一来,我们就将 AlexNet 基本搭建好了。

原文发布时间为:2018-09-28

本文作者:louwill

本文来自云栖社区合作伙伴“ Python爱好者社区 ”,了解相关信息可以关注“ Python爱好者社区 ”。

阅读原文...


云栖团队博客

【虎嗅晚报】李笑来发文退隐,称不再投资;京东陷抄袭争议

上一篇

独家 | “慕玛披萨”获得绝了基金、君上资本新一轮融资

下一篇

您也可能喜欢

评论已经被关闭。

插入图片
深度学习笔记16:CNN经典论文研读之AlexNet及其Tensorflow实现

长按储存图像,分享给朋友