深度学习笔记022 VGG（使用块的网络）

AlexNet比LeNet更深更大，带来了更好的精度，那么是不是再深一些再大一些，我们就会更好？

更深更大，可以通过更多的全连接层（太贵）、更多的卷积层以及将卷积层组成块来实现。

 

VGG思想：将小块先组成大块，最后再去组合。

 

 VGG块：用大量的3x3（一般再大效果会不好）的卷积层堆起来加一个池化层做VGG块，然后用这些VGG块组成网络。

 

 所谓的VGG网络，其实就是将AlexNet网络中看起来不规则的池化和卷积层规则化了一下，让网络看上去更加规则。

（但我还是感觉是在水论文，这两个的本质本身是一样的……）

目前三种网络：

　　LeNet：（1985）

　　　　2卷积层+池化层

　　　　2全连接层

　　AlexNet：（2012）

　　　　更大更深的网络

　　　　加入了ReLU，Dropout，数据增强

　　VGG：（2014）

　　　　更大更深的AlexNet（重复的VGG块）

 

结果

首先说明一下，这里将所有层的通道数缩小了4，也就是这是一个简化版的VGG网络，见代码详情。

沐神结果：

 

 可以看到，即便是简化版的VGG网络，精确度却达到了91%，比AlexNet要高一些，那么如果不简化，精确度一定会更高。

当然，在这里我仍然不太认可VGG的成就，其本质不过是多加了几层卷积层而已，当年AlexNet要是多加几层卷积层，也能上90%，VGG只不过管理上方便一点。“更容易去管理每一层网络”，这是我认为VGG唯一的贡献，除此之外，我还是觉得他就是在水论文。

我的结果（我与沐神不同的是我最后两层卷积层的通道数是沐神的二倍）

 

 

Q&A

1、在以后发论文、出成果的时候，尽量用简单的东西，这样才可能被人们更广泛更重复地去使用。

代码

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


def vgg_block(num_convs, in_channels, out_channels):  # 卷积层数，输入通道，输出通道
    layers = []
    for _ in range(num_convs):
        layers.append(nn.Conv2d(in_channels, out_channels,kernel_size=3, padding=1))  # 加入卷积层
        layers.append(nn.ReLU())
        in_channels = out_channels  # 第一层之后，将in_channels改为out_channels，因为后序输出作为输入
    layers.append(nn.MaxPool2d(kernel_size=2,stride=2)) # 最后加一层池化
    return nn.Sequential(*layers) # 这便是我们最后的一个VGG块（本质上其实就是一个多层网络，和AlexNet换汤不换药的感觉……）


conv_arch = ((1, 64), (1, 128), (2, 256), (2, 512), (2, 1024)) # 5个块
# 224除以2的5次方是7，不能在除了，所以就五块VGG（每块VGG最后的pool会将样本高宽缩小一半）
# 第一个数字是卷积层数目，第二个数字是输出通道数目


def vgg(conv_arch):
    conv_blks = []
    in_channels = 1
    # 卷积层部分
    for (num_convs, out_channels) in conv_arch:
        conv_blks.append(vgg_block(num_convs, in_channels, out_channels))
        in_channels = out_channels  # 第一层之后，将in_channels改为out_channels，因为后序输出作为输入

# 后面就很简单了，把卷积池化叠起来，最后拉成一个向量，随后在做相应的全连接层和ReLu激活，最后以对应的类别输出即可
    return nn.Sequential(
        *conv_blks, nn.Flatten(),
        # 全连接层部分
        nn.Linear(out_channels * 7 * 7, 4096), nn.ReLU(), nn.Dropout(0.5),
        nn.Linear(4096, 4096), nn.ReLU(), nn.Dropout(0.5),
        nn.Linear(4096, 10))

net = vgg(conv_arch)


X = torch.randn(size=(1, 1, 224, 224))
# 这里输出的形状，是以VGG块为单元输出的，相对AlexNet来说，更加清晰一些
for blk in net:
    X = blk(X)
    print(blk.__class__.__name__,'output shape:\t',X.shape)


# [由于VGG-11比AlexNet计算量更大，因此我们构建了一个通道数较少的网络]，足够用于训练Fashion-MNIST数据集
# 这里的操作是将VGG块中的通道数统一除以4
ratio = 4
small_conv_arch = [(pair[0], pair[1] // ratio) for pair in conv_arch]
net = vgg(small_conv_arch)


lr, num_epochs, batch_size = 0.05, 10, 128
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size, resize=224)
d2l.train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu())