深度學習筆記16：CNN經典論文研讀之AlexNet及其Tensorflow實現
在 Yann Lecun 提出 Le-Net5 之後的十幾年內，由於神經網路本身較差的可解釋性以及受限於計算能力的影響，神經網路發展緩慢且在較長一段時間內處於低谷。2012年，深度學習三巨頭之一、具有神經網路之父之稱的 Geoffrey Hinton 的學生 Alex Krizhevsky 率先提出了 AlexNet，並在當年度的 ILSVRC（ImageNet大規模視覺挑戰賽）以顯著的優勢獲得當屆冠軍，top-5 的錯誤率降至了 16.4%，相比於第二名 26.2% 的錯誤率有了極大的提升。這一成績引起了學界和業界的極大關注，計算機視覺也開始逐漸進入深度學習主導的時代。
AlexNet 繼承了 LeCun 的 Le-Net5 思想，將卷積神經網路的發展到很寬很深的網路當中，相較於 Le-Net5 的六萬個引數，AlexNet 包含了 6 億三千萬條連線，6000 萬個引數和 65 萬個神經元，其網路結構包括 5 層卷積，其中第一、第二和第五層卷積後面連線了最大池化層，然後是 3 個全連線層。AlexNet 的創新點在於：
● 首次成功使用 relu 作為啟用函式，使其在較深的網路上效果超過傳統的 sigmoid 啟用函式，極大的緩解了梯度消失問題。
● 首次在實踐中發揮了 dropout 的作用，為全連線層新增 dropout 防止過擬合。
● 相較於之前 Le-Net5 中採用的平均池化，AlexNet 首次採用了重疊的最大池化，避免了平均池化的模糊化效果。
● 提出了 LRN 層，對區域性神經元的活動建立了競爭機制。
● 使用多 GPU 進行平行計算。
● 採用了一定的資料增強手段，一定程度上也緩解了過擬合。
AlexNet 網路結構
以上是 AlexNet 的基本介紹和創新點，下面我們看一下 AlexNet 的網路架構。
AlexNet 不算池化層總共有 8 層，前 5 層為卷積層，其中第一、第二和第五層卷積都包含了一個最大池化層，後三層為全連線層。所以 AlexNet 的簡略結構如下：
輸入>卷積>池化>卷積>池化>卷積>卷積>卷積>池化>全連線>全連線>全連線>輸出
各層的結構和引數如下：
C1層是個卷積層，其輸入輸出結構如下：
輸入： 227 x 227 x 3 濾波器大小： 11 x 11 x 3 濾波器個數：96
輸出： 55 x 55 x 96
P1層是C1後面的池化層，其輸入輸出結構如下：
輸入： 55 x 55 x 96 濾波器大小： 3 x 3 濾波器個數：96
輸出： 27 x 27 x 96
C2層是個卷積層，其輸入輸出結構如下：
輸入： 27 x 27 x 96 濾波器大小： 5 x 5 x 96 濾波器個數：256
輸出： 27 x 27 x 256
P2層是C2後面的池化層，其輸入輸出結構如下：
輸入： 27 x 27 x 256 濾波器大小： 3 x 3 濾波器個數：256
輸出： 13 x 13 x 256
C3層是個卷積層，其輸入輸出結構如下：
輸入： 13 x 13 x 256 濾波器大小： 3 x 3 x 256 濾波器個數：384
輸出： 13 x 13 x 384
C4層是個卷積層，其輸入輸出結構如下：
輸入： 13 x 13 x 384 濾波器大小： 3 x 3 x 384 濾波器個數：384
輸出： 13 x 13 x 384
C5層是個卷積層，其輸入輸出結構如下：
輸入： 13 x 13 x 384 濾波器大小： 3 x 3 x 384 濾波器個數：256
輸出： 13 x 13 x 256
P5層是C5後面的池化層，其輸入輸出結構如下：
輸入： 13 x 13 x 256 濾波器大小： 3 x 3 濾波器個數：256
輸出： 6 x 6 x 256
F6層是個全連線層，其輸入輸出結構如下：
輸入：6 x 6 x 256
輸出：4096
F7層是個全連線層，其輸入輸出結構如下：
輸入：4096
輸出：4096
F8層也是個全連線層，即輸出層，其輸入輸出結構如下：
輸入：4096
輸出：1000
在論文中，輸入影象大小為 224 x 224 x 3，實際為 227 x 227 x 3。各層輸出採用 relu 進行啟用。前五層卷積雖然計算量極大，但引數量並不如後三層的全連線層多，但前五層卷積層的作用卻要比全連線層重要許多。
AlexNet 在驗證集和測試集上的分類錯誤率表現：
AlexNet 的 tensorflow 實現
我們繼續秉持前面關於利用 tensorflow 構建卷積神經網路的基本步驟和方法：定義建立輸入輸出的佔位符變數模組、初始化各層引數模組、建立前向傳播模組、定義模型優化迭代模型，以及在最後設定輸入資料。
● 定義卷積過程
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
● 定義全連線層
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
● 定義最大池化過程
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)
● 定義 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)
● 定義 dropout 操作
def dropout(x, keep_prob):
return tf.nn.dropout(x,keep_prob)
以上關於搭建 AlexNet 的各個元件我們都已準備好，下面我們利用這些組建建立一個 AlexNet 類來實現 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)
在上述程式碼中，我們利用了之前定義的各個元件封裝了前向計算過程，從 http://www.cs.toronto.edu/~guerzhoy/tf_alexnet/ 上匯入了預訓練好的模型權重。這樣一來，我們就將 AlexNet 基本搭建好了。
原文釋出時間為：2018-09-28
本文作者：louwill
本文來自雲棲社群合作伙伴“ ofollow,noindex">Python愛好者社群 ”，瞭解相關資訊可以關注“ Python愛好者社群 ”。