深度学习笔记021 AlexNet

AlexNet：深度卷积神经网络，2012年左右提出。

在这之前，2000年左右开始，最火的机器学习算法是核方法（Learn with kernels）：用核函数，计算相关性。

 

机器学习，最核心最基础的一点，就是，能跑得动。

 

 ImageNet的数据集：

 

 可以看到和手写数字识别的数据集相比，样本和类数都上升了几个数量级。

而在2012年ImageNet竞赛中，AlexNet获胜。

所谓AlexNet，其实就是更大、更深的LeNet。

　　相对于LeNet，主要改进的是：

　　　　　　　　　　　　　　　　丢弃法（控制模型不要太大，算是一种正则）、ReLu（相对于Sigmoid更适合更深的模型）、MaxPooling

AlexNet，在计算机视觉有一个很大的方法论的改变：

　　　　　　　　　　　　　　　　　　　　　　　　机器视觉以前都是人工提取特征，将特征人工转化成机器学习能识别的形式；

　　　　　　　　　　　　　　　　　　　　　　　　但是之后，特征就是CNN学习出来的，而CNN学习出来的特征基本就是Softmax回归最想要的特征。

AlexNet与LeNet区别

 

 

 

 

最后用隐藏层加输出层：

dence：全连接层

 

 除此之外：

　　激活函数从sigmoid变成了Relu，减缓梯度消失；

　　隐藏全连接层后加入了丢弃层；

　　做了数据增强（原图截取一部分、原图调色温、亮度等方式）

 

 可见，总的参数上升了11倍，计算复杂度增加了250倍，数据从10M增加到了100G，磁盘都存不下，所以，对不起，电脑真跑不动了。

总算一下，我CPU跑LENet需要5min，跑AlexNet需要( 5x1/60x11x250x10^4 ) / 24 /364 =269年，也就是用我的电脑跑这个网络，需要269年才能跑完……

AlexNet赢下2012年的ImageNet之后，标志着新一轮的神经网络热潮的开始……

 

结果对比：

 

 可以看到，同样的数据集，AlexNet在准确率上比LeNet上升了7%，AlexNet跑10次，大概是LeNet跑50次的准确率，具体可以参考上一篇学习笔记。

当然，LeNet跑10次用了两三分钟，而AlexNet用时：

 

 沐神的GPU需要跑3min，比我的快大概十倍。

我曾尝试用thinkpadCPU跑一跑：

但是，太心疼了，第一个epoch没跑完，电脑已经烫的不行了，处于对她的爱，我关了这个网络：

 

 

Q&A

1、ImageNet虽然是十年前在Google用了近100w美金雇人标注出来的，但是在现在也是很常用的数据集。

2、真正的AlexNet中还有一个LRN（Local Response Normalization），但是没什么用，只在AlexNet用过，不需要太了解。

3、两个4096x4096的全连接层，大的dense是非常好的模型，只用一个效果常常很差。

4、数据增强很复杂，简单的几何变换和颜色变换后模型变差是很正常的事情。

5、为什么LeNet不属于深度神经网络？其实，可以认为属于（这里比较滑稽）。

　　搞深度学习的其实就是太会包装了，所谓的“deep”，就是深度学习包装用的词语，要是LeNet也叫深度网络，那怎么显得出来我的工作呢？你看我的DeepLearning，听起来多牛逼，虽然我的AlexNet确实和LeNet差不多，但是如果说我也给LeNet叫DeepLearning，那不就去捧他了而不是捧我自己？（滑稽）

　　PS：以后我发论文的时候，一定要造一些比较牛逼的词【滑稽】

6、神经网络目前已经到了特别大的瓶颈了，所以新工作越来越少，但是Demo会多，因为这些技术已经很成熟了，该落地了，应该多去开发应用了。

 

代码

import torch
from torch import nn
from d2l import torch as d2l

# 心狠手辣，在thinkpad的CPU上跑AlexNet
net = nn.Sequential(
    # 这里，我们使用一个11*11的更大窗口来捕捉对象。
    # 同时，步幅为4，以减少输出的高度和宽度。
    # 另外，输出通道的数目远大于LeNet
    nn.Conv2d(1, 96, kernel_size=11, stride=4, padding=1), nn.ReLU(),
    nn.MaxPool2d(kernel_size=3, stride=2),
    # 减小卷积窗口，使用填充为2来使得输入与输出的高和宽一致，且增大输出通道数
    nn.Conv2d(96, 256, kernel_size=5, padding=2), nn.ReLU(),
    nn.MaxPool2d(kernel_size=3, stride=2),
    # 使用三个连续的卷积层和较小的卷积窗口。
    # 除了最后的卷积层，输出通道的数量进一步增加。
    # 在前两个卷积层之后，汇聚层不用于减少输入的高度和宽度
    nn.Conv2d(256, 384, kernel_size=3, padding=1), nn.ReLU(),
    nn.Conv2d(384, 384, kernel_size=3, padding=1), nn.ReLU(),
    nn.Conv2d(384, 256, kernel_size=3, padding=1), nn.ReLU(),   #沐神把这里256改成了384应该是出错了
    nn.MaxPool2d(kernel_size=3, stride=2),
    nn.Flatten(),
    # 这里，全连接层的输出数量是LeNet中的好几倍。使用dropout层来减轻过拟合
    nn.Linear(6400, 4096), nn.ReLU(),
    nn.Dropout(p=0.5),
    nn.Linear(4096, 4096), nn.ReLU(),
    nn.Dropout(p=0.5),
    # 最后是输出层。由于这里使用Fashion-MNIST，所以用类别数为10，而非论文中的1000
    nn.Linear(4096, 10))


X = torch.rand(size=(1, 1, 224, 224), dtype=torch.float32)
for layer in net:
    X = layer(X)
    print(layer.__class__.__name__,'output shape: \t',X.shape)


batch_size = 256
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size=batch_size,resize=224)
#这里的resize是为了将图片拉成和ImageNet的大小，真实情况下不会干这个事情

# 训练代码和上一节课的一模一样
def evaluate_accuracy_gpu(net, data_iter, device=None):
    """使用GPU计算模型在数据集上的精度"""
    if isinstance(net, nn.Module):
        net.eval()  # 设置为评估模式
        if not device:
            device = next(iter(net.parameters())).device
    # 正确预测的数量，总预测的数量
    metric = d2l.Accumulator(2)
    with torch.no_grad():
        for X, y in data_iter:
            if isinstance(X, list):
                # BERT微调所需的（之后将介绍）
                X = [x.to(device) for x in X]
            else:
                X = X.to(device)
            y = y.to(device)
            metric.add(d2l.accuracy(net(X), y), y.numel())
    return metric[0] / metric[1]


def train_ch6(net, train_iter, test_iter, num_epochs, lr, device):
    """用GPU训练模型(在第六章定义)"""
    def init_weights(m):
        if type(m) == nn.Linear or type(m) == nn.Conv2d:
            nn.init.xavier_uniform_(m.weight)
    net.apply(init_weights)
    print('training on', device)
    net.to(device)
    optimizer = torch.optim.SGD(net.parameters(), lr=lr)
    loss = nn.CrossEntropyLoss()
    animator = d2l.Animator(xlabel='epoch', xlim=[1, num_epochs],
                            legend=['train loss', 'train acc', 'test acc'])
    timer, num_batches = d2l.Timer(), len(train_iter)
    for epoch in range(num_epochs):
        # 训练损失之和，训练准确率之和，样本数
        metric = d2l.Accumulator(3)
        net.train()
        for i, (X, y) in enumerate(train_iter):
            timer.start()
            optimizer.zero_grad()
            X, y = X.to(device), y.to(device)
            y_hat = net(X)
            l = loss(y_hat, y)
            l.backward()
            optimizer.step()
            with torch.no_grad():
                metric.add(l * X.shape[0], d2l.accuracy(y_hat, y), X.shape[0])
            timer.stop()
            train_l = metric[0] / metric[2]
            train_acc = metric[1] / metric[2]
            if (i + 1) % (num_batches // 5) == 0 or i == num_batches - 1:
                animator.add(epoch + (i + 1) / num_batches,
                             (train_l, train_acc, None))
        test_acc = evaluate_accuracy_gpu(net, test_iter)
        animator.add(epoch + 1, (None, None, test_acc))
    print(f'loss {train_l:.3f}, train acc {train_acc:.3f}, '
          f'test acc {test_acc:.3f}')
    print(f'{metric[2] * num_epochs / timer.sum():.1f} examples/sec '
          f'on {str(device)}')
    d2l.plt.show()

lr, num_epochs = 0.01, 10
# 注意，这个train_ch6，沐神写到了d2l里，可以直接调用（见结果对比处在Google Colab上用的代码
train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu())