Pytorch_Part3_模型模块

VisualPytorch beta发布了！
功能概述：通过可视化拖拽网络层方式搭建模型，可选择不同数据集、损失函数、优化器生成可运行pytorch代码
扩展功能：1. 模型搭建支持模块的嵌套；2. 模型市场中能共享及克隆模型；3. 模型推理助你直观的感受神经网络在语义分割、目标探测上的威力；4.添加图像增强、快速入门、参数弹窗等辅助性功能
修复缺陷：1.大幅改进UI界面，提升用户体验；2.修改注销不跳转、图片丢失等已知缺陷；3.实现双服务器访问，缓解访问压力
访问地址：http://sunie.top:9000
发布声明详见：https://www.cnblogs.com/NAG2020/p/13030602.html

一、模型创建与nn.Module

1. 模型创建步骤

torch.nn
nn.Parameter	张量子类，表示可学习参数，如weight, bias
nn.Module	所有网络层基类，管理网络属性
nn.functional	函数具体实现，如卷积，池化，激活函数等
nn.init	参数初始化方法

2. nn.model

属性

• parameters : 存储管理nn.Parameter类
• modules : 存储管理nn.Module类
• buffers：存储管理缓冲属性，如BN层中的running_mean
• ***_hooks ：存储管理钩子函数

---

调用步骤：

采用步进(Step into)的调试方法从创建网络模型开始（net =LeNet(classes=2)）进入到每一个被调用函数，观察net的_modules字段何时被构建并且赋值，记录其中所有进入的类与函数

1. net = LeNet(classes=2)

2. LeNet类 __init__()，super(LeNet, self).__init__()

    def __init__(self, classes):
           super(LeNet, self).__init__()
           self.conv1 = nn.Conv2d(3, 6, 5)
           self.conv2 = nn.Conv2d(6, 16, 5)
           self.fc1 = nn.Linear(16*5*5, 120)
           self.fc2 = nn.Linear(120, 84)
           self.fc3 = nn.Linear(84, classes)
   

3. Module类 __init__(), self._construct()，构造8个有序字典

       def _construct(self):
           """
           Initializes internal Module state, shared by both nn.Module and ScriptModule.
           """
           torch._C._log_api_usage_once("python.nn_module")
           self._backend = thnn_backend
           self._parameters = OrderedDict()
           self._buffers = OrderedDict()
           self._backward_hooks = OrderedDict()
           self._forward_hooks = OrderedDict()
           self._forward_pre_hooks = OrderedDict()
           self._state_dict_hooks = OrderedDict()
           self._load_state_dict_pre_hooks = OrderedDict()
           self._modules = OrderedDict()
   

4. LeNet类：构造卷积层 nn.Conv2d(3, 6, 5)

5. Conv2d类：__init()__，继承自_ConvNd类，调用父类构造

       def __init__(self, in_channels, out_channels, kernel_size, stride=1,
                    padding=0, dilation=1, groups=1,
                    bias=True, padding_mode='zeros'):
           kernel_size = _pair(kernel_size)
           stride = _pair(stride)
           padding = _pair(padding)
           dilation = _pair(dilation)
           super(Conv2d, self).__init__(
               in_channels, out_channels, kernel_size, stride, padding, dilation,
               False, _pair(0), groups, bias, padding_mode)
   

6. _ConvNd类：__init__()，继承自Module，调用父类构造，同二三步，再进行变量初始化

7. LeNet类：返回至self.conv1 = nn.Conv2d(3, 6, 5)，被父类(nn.Model)__setattr__()函数拦截

   # name = 'conv1'
   # value = Conv2d(3, 6, kernel_size=(5, 5), stride=(1, 1))
    modules = self.__dict__.get('_modules')
               if isinstance(value, Module):
                   if modules is None:
                       raise AttributeError(
                           "cannot assign module before Module.__init__() call")
                   remove_from(self.__dict__, self._parameters, self._buffers)
                   modules[name] = value
   

   因而被记录到LeNet类的_modules中

8. 继续构建其他网络层，最后得到的net如下：

---

总结

• 一个module可以包含多个子module
• 一个module相当于一个运算，必须实现forward()函数
• 每个module都有8个字典管理它的属性

def forward(self, x):
    out = F.relu(self.conv1(x))
    out = F.max_pool2d(out, 2)
    out = F.relu(self.conv2(out))
    out = F.max_pool2d(out, 2)
    out = out.view(out.size(0), -1)
    out = F.relu(self.fc1(out))
    out = F.relu(self.fc2(out))
    out = self.fc3(out)
    return out

二、模型容器与AlexNet构建

nn.Sequential：顺序性，各网络层之间严格按顺序执行，常用于block构建
nn.ModuleList：迭代性，常用于大量重复网构建，通过for循环实现重复构建
nn.ModuleDict：索引性，常用于可选择的网络层

1. 模型容器之Sequential

nn.Sequential 是 nn.module的容器，用于按顺序包装一组网络层

• 顺序性：各网络层之间严格按照顺序构建
• 自带forward()：自带的forward里，通过for循环依次执行前向传播运算

class LeNetSequential(nn.Module):
    def __init__(self, classes):
        super(LeNetSequential, self).__init__()
        self.features = nn.Sequential(
            nn.Conv2d(3, 6, 5),
            nn.ReLU(),
            nn.MaxPool2d(kernel_size=2, stride=2),
            nn.Conv2d(6, 16, 5),
            nn.ReLU(),
            nn.MaxPool2d(kernel_size=2, stride=2),)

        '''
        或者如下：给每层起名，默认以序号排名
        self.features = nn.Sequential(OrderedDict({
            'conv1': nn.Conv2d(3, 6, 5),
            'relu1': nn.ReLU(inplace=True),
            'pool1': nn.MaxPool2d(kernel_size=2, stride=2),

            'conv2': nn.Conv2d(6, 16, 5),
            'relu2': nn.ReLU(inplace=True),
            'pool2': nn.MaxPool2d(kernel_size=2, stride=2),
        }))
        '''

        self.classifier = nn.Sequential(
            nn.Linear(16*5*5, 120),
            nn.ReLU(),
            nn.Linear(120, 84),
            nn.ReLU(),
            nn.Linear(84, classes),)

    def forward(self, x):
        x = self.features(x)
        x = x.view(x.size()[0], -1)
        x = self.classifier(x)
        return x

---

调用步骤

1. LeNetSequential.__init__()

2. Sequential.__init__()

       def __init__(self, *args):
           super(Sequential, self).__init__()
           if len(args) == 1 and isinstance(args[0], OrderedDict):
               for key, module in args[0].items():
                   self.add_module(key, module)
           else:
               for idx, module in enumerate(args):
                   self.add_module(str(idx), module)
   

3. Model.__init__()

4. Sequential.add_module() : self._modules[name] = module

5. LeNetSequential 中将Sequential赋值过程被 __setattr__() 拦截，而同样也是Model，被设为_models的一部分

2. 模型容器之ModuleList

nn.ModuleList是 nn.module的容器，用于包装一组网络层，以迭代方式调用网络层
主要方法：

• append()：在ModuleList后面添加网络层
• extend()：拼接两个ModuleList
• insert()：指定在ModuleList中位置插入网络层

class ModuleList(nn.Module):
    def __init__(self):
        super(ModuleList, self).__init__()
        self.linears = nn.ModuleList([nn.Linear(10, 10) for i in range(20)]) # 仅一行代码实现20层10单元全连接

    def forward(self, x):
        for i, linear in enumerate(self.linears):
            x = linear(x)
        return x

其中，ModuleList.__init__()

    def __init__(self, modules=None):
        super(ModuleList, self).__init__()
        if modules is not None:
            self += modules

3. 模型容器之ModuleDict

nn.ModuleDict是 nn.module的容器，用于包装一组网络层，以索引方式调用网络层
主要方法：

• clear()：清空ModuleDict
• items()：返回可迭代的键值对(key-value pairs)
• keys()：返回字典的键(key)
• values()：返回字典的值(value)
• pop()：返回一对键值，并从字典中删除

class ModuleDict(nn.Module):
    def __init__(self):
        super(ModuleDict, self).__init__()
        self.choices = nn.ModuleDict({
            'conv': nn.Conv2d(10, 10, 3),
            'pool': nn.MaxPool2d(3)
        })

        self.activations = nn.ModuleDict({
            'relu': nn.ReLU(),
            'prelu': nn.PReLU()
        })

    def forward(self, x, choice, act):
        x = self.choices[choice](x)
        x = self.activations[act](x)
        return x

其中，每一个ModuleDict模块相当于多路选择器，在输入时要指定通路：

net = ModuleDict()
fake_img = torch.randn((4, 10, 32, 32))
output = net(fake_img, 'conv', 'relu')

4. AlexNet构建

AlexNet：2012年以高出第二名10多个百分点的准确率获得ImageNet分类任务冠
军，开创了卷积神经网络的新时代
AlexNet特点如下：

1. 采用ReLU：替换饱和激活函数，减轻梯度消失
2. 采用LRN(Local Response Normalization)：对数据归一化，减轻梯度消失
3. Dropout：提高全连接层的鲁棒性，增加网络的泛化能力
4. Data Augmentation：TenCrop，色彩修改

---

构建：使用了Sequential和其自带的forward()方法

class AlexNet(nn.Module):

    def __init__(self, num_classes=1000):
        super(AlexNet, self).__init__()
        self.features = nn.Sequential(
            nn.Conv2d(3, 64, kernel_size=11, stride=4, padding=2),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
            nn.Conv2d(64, 192, kernel_size=5, padding=2),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
            nn.Conv2d(192, 384, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(384, 256, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(256, 256, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
        )
        '''
        这样命名
        self.features = nn.Sequential(
            'conv1': nn.Conv2d(3, 64, kernel_size=11, stride=4, padding=2),
            'relu1': nn.ReLU(inplace=True),
            'pool1': nn.MaxPool2d(kernel_size=3, stride=2),
            'conv2': nn.Conv2d(64, 192, kernel_size=5, padding=2),
            'relu2': nn.ReLU(inplace=True),
            'pool2': nn.MaxPool2d(kernel_size=3, stride=2),
            'conv3': nn.Conv2d(192, 384, kernel_size=3, padding=1),
            'relu3': nn.ReLU(inplace=True),
            'conv4': nn.Conv2d(384, 256, kernel_size=3, padding=1),
            'relu4': nn.ReLU(inplace=True),
            'conv5': nn.Conv2d(256, 256, kernel_size=3, padding=1),
            'relu5': nn.ReLU(inplace=True),
            'pool5': nn.MaxPool2d(kernel_size=3, stride=2),
        )
        '''
        self.avgpool = nn.AdaptiveAvgPool2d((6, 6))
        self.classifier = nn.Sequential(
            nn.Dropout(),
            nn.Linear(256 * 6 * 6, 4096),
            nn.ReLU(inplace=True),
            nn.Dropout(),
            nn.Linear(4096, 4096),
            nn.ReLU(inplace=True),
            nn.Linear(4096, num_classes),
        )

    def forward(self, x):
        x = self.features(x)
        x = self.avgpool(x)
        x = torch.flatten(x, 1)
        x = self.classifier(x)
        return x

同样在torchvision/models 下还有googlenet resnet 等经典网络的构建。

三、卷积层

1. 1d/2d/3d卷积

卷积运算：卷积核在输入信号（图像）上滑动，相应位置上进行乘加
卷积核：又称为滤波器，过滤器，可认为是某种模式，某种特征。
卷积过程类似于用一个模版去图像上寻找与它相似的区域，与卷积核模式越相似，激活值越高，从而实现特征提取（边缘，条纹，色彩这一些细节模式）

卷积维度：一般情况下，卷积核在几个维度上滑动，就是几维卷积

2. nn.Conv2d

nn.Conv2d(	in_channels,	# 输入通道数
            out_channels,	# 输出通道数，等价于卷积核个数
            kernel_size,	# 卷积核尺寸
            stride=1,		# 步长
            padding=0,		# 填充个数
            dilation=1,		# 空洞卷积大小
            groups=1,		# 分组卷积设置
            bias=True,		# 偏置
            padding_mode='zeros')

功能：对多个二维信号进行二维卷积
主要参数：

• dilation：

• groups：

尺寸计算：

---

set_seed(3)  # 设置随机种子

# =================== load img ============
path_img = os.path.join("lena.png")
img = Image.open(path_img).convert('RGB')  # 0~255

# convert to tensor
img_transform = transforms.Compose([transforms.ToTensor()])
img_tensor = img_transform(img)
img_tensor.unsqueeze_(dim=0)    # C*H*W to B*C*H*W

conv_layer = nn.Conv2d(3, 1, 3)   # input:(i, o, size) weights:(o, i , h, w)
nn.init.xavier_normal_(conv_layer.weight.data)

# calculation
img_conv = conv_layer(img_tensor)

不同的卷积核，运算结果不同:

同时卷积过程中，尺寸发生变化：

卷积前尺寸:torch.Size([1, 3, 512, 512])
卷积后尺寸:torch.Size([1, 1, 510, 510])

其中Conv2d对应Parameter是四维张量，进行二维卷积操作。大小是[1,3,3,3]（表示1个输出通道（卷积核个数），3个Channel，卷积核大小为3*3）

卷积过程如下：

3. 转置卷积

nn.ConvTranspose2d(	in_channels,
                    out_channels,
                    kernel_size,
                    stride=1,
                    padding=0,
                    output_padding=0,
                    groups=1,
                    bias=True,
                    dilation=1,
                    padding_mode='zeros')

转置卷积又称部分跨越卷积(Fractionallystrided Convolution) ，用于对图像进行上采样(UpSample)

注意：虽然转置卷积核对应的矩阵与卷积核对应的矩阵形状上乘转置关系，但数值上完全无关，即为不可逆过程。

---

conv_layer = nn.ConvTranspose2d(3, 1, 3, stride=2)   # input:(i, o, size)

# 卷积前尺寸:torch.Size([1, 3, 512, 512])
# 卷积后尺寸:torch.Size([1, 1, 1025, 1025])

图像尺寸变大，出现大量空格，称之为转置卷积的
[棋盘效应]: https://www.jianshu.com/p/36ff39344de5

四、nn网络层-池化-线性-激活函数

1. 池化层

最大值/平均值

nn.MaxPool2d(kernel_size,
			stride=None,
            padding=0,
            dilation=1, 			# 池化核间隔大小
            return_indices=False, 	# 记录池化像素索引
            ceil_mode=False			# 尺寸向上取整
            )
nn.AvgPool2d(kernel_size,
            stride=None,
            padding=0,
            ceil_mode=False,
            count_include_pad=True, 	# 填充值用于计算
            divisor_override=None		# 除法因子，除的不再是核的大小
            )

池化运算：对信号进行 “收集”（多变少）并“总结”，类似水池收集水资源，因而
得名池化层

---

反池化

nn.MaxUnpool2d(	kernel_size,
                stride=None,
                padding=0
              )
forward(self, input, indices, output_size=None)

功能：对二维信号（图像）进行最大值池化上采样

2. 线性层

nn.Linear(in_features, 		# 输入结点数
			out_features, 	# 输出结点数
			bias=True)

线性层又称全连接层，其每个神经元与上一层所有神经元相连，实现对前一层的线性组合，线性变换

Input = [1, 2, 3] shape = (1, 3)
W_0 = 𝟏𝟏𝟏𝟐𝟐𝟐𝟑𝟑𝟑𝟒𝟒𝟒
shape = (3, 4)
Hidden = Input * W_0 shape = (1, 4) = [6, 12, 18, 24]

3. 激活函数层

激活函数对特征进行非线性变换，赋予多层神经网络具有深度的意义

nn.Sigmoid
计算公式：\(y = \frac{1}{1+e^{-x}}\)
梯度公式：𝒚′ = 𝒚 ∗ 𝟏 − 𝒚
特性：

• 输出值在(0,1)，符合概率
• 导数范围是[0, 0.25],易导致梯度消失
• 输出为非0均值，破坏数据分布

nn.tanh
计算公式：𝐲 =\(\frac{sinh x}{cosh x} = \frac{e^x-e^{-x}}{e^x+e^{-x}}=\frac{2}{1+e^{-2x}}+1\)
梯度公式：𝒚′ = 𝟏 − y 𝟐
特性：

• 输出值在(-1,1)，数据符合0均值
• 导数范围是(0, 1),易导致梯度消失

nn.ReLU
计算公式：𝐲 = max(𝟎, 𝒙)
梯度公式：𝒚′ = 𝟏, 𝒙 > 𝟎
𝒖𝒏𝒅𝒆𝒇 𝒊𝒏𝒆𝒅, 𝒙 = 𝟎
𝟎, 𝒙 < 𝟎
特性：

• 输出值均为正数，负半轴导致死神经元
• 导数是1,缓解梯度消失，但易引发梯度爆炸

nn.LeakyReLU

• negative_slope: 负半轴斜率

nn.PReLU

• init: 可学习斜率

nn.RReLU

• lower: 均匀分布下限
• upper:均匀分布上限