GoogLeNet網絡結構詳解及代碼複現

1. GoogLeNet論文詳解

Abstract:

提出了

GoogLeNet

網絡結構——22層，此設計允許在保證計算預算不變的前提下，增加網絡的深度和寬度，這個網絡結構是基于

Hebbian

原則和多尺度處理，并且在

ILSVRC 2014

中的分類任務中獲得第一名。

對于大型資料集，最近的趨勢是增加層數和每一層的尺寸，同時使用

dropout

來解決過拟合問題

層尺寸的增大意味着需要更大數量的參數，這會使得網絡更容易過拟合，尤其是對于資料集小的情況下
層深度的增加會大大增加計算資源的使用，尤其是卷積層的權重為0時，會浪費大量計算資源

1x1 卷積 & 全局平均池化

這兩種方法都是為了提高卷積網絡的表達能力，改善網絡結構的。在Network-in-network中被提出的。

GoogLeNet網絡結構詳解及代碼複現

1x1卷積：

可以通過設定1x1卷積核的數量來實作降維或升維
實作特征圖的通道間的聚合

GoogLeNet網絡結構詳解及代碼複現

全局平均池化：

傳統CNN網絡中，前面堆疊卷積層提取特征，最後通過全連接配接層分類提取出的特征，但是全連接配接層很容易導緻模型過拟合，并且其參數比較多，為了解決這個問題，出現了

dropout

，但是在Network-in-network中，作者提出了全局平均池化來解決此問題

将卷積層提取出來的特征圖（Feature map）進行相加求平均，然後将這些特征圖對應的平均值作為某一類的置信度輸入到

softmax

進行分類（要控制卷積層的最後一層的特征圖數量與最終分類數量保持一緻）

此方法的好處

減少了參數（相對于全連接配接層）
減輕過拟合
求和取平均操作綜合了空間資訊，提高模型的魯棒性

缺點：

對特征圖的簡單相加求平均可能會丢失一些有用資訊

網絡結構細節：

Inception

GoogLeNet網絡結構詳解及代碼複現

1x1卷積應用于3x3卷積和5x5卷積之前，主要作用：降維，降低參數數量

以

inception(3a)

中

3x3卷積

為例：

input

28x28x192

不使用 1x1
卷積

其參數數量為：
192x3x3x128=221184
使用 1x1
卷積

其參數數量為：
192x1x1x96+96x3x3x128=184320 相當于先将 channel 的維數從 192 維降到 96 維

GoogLeNet參數

GoogLeNet網絡結構詳解及代碼複現

所有的卷積層都包含 ReLu 激活層
#3x3 reduce：表示 Inception 結構中 3x3 卷積層前的 1x1 卷積核的數量
#5x5 reduce：表示 Inception 結構中的 5x5 卷積前的 1x1 卷積核的數量
pool proj：表示 Inception 結構中的最大池化層後的 1x1 卷積核的數量

GoogLeNet網絡結構

GoogLeNet網絡結構詳解及代碼複現

紅色：池化層
藍色：卷積層+ReLu
綠色：拼接操作
黃色：softmax激活函數

由于網絡的深度相對比較大，能夠在所有層保證梯度能傳播是一個問題。對此我們增加了2個輔助分類器，在訓練期間輔助分類器的權重為0.3，在預測時，這些層會被丢棄。

輔助分類器結構：

GoogLeNet網絡結構詳解及代碼複現

AveragePool：濾波器大小（5，5）、步長：3。輸出：4*4*512（from 4a）、4*4*528（from 4d）
Conv：1x1卷積、卷積核數量：128、步長：1
FC：（128*4*4，1024）
FC：（1024，1000）

2. 基于Pytorch代碼複現：

2.1 模型搭建

import torch
import torch.nn as nn
import torchvision.models as models
from torchsummary import summary
import torch.optim as optim


class GoogLeNet(nn.Module):
    def __init__(self, num_classes=1000, aux_logits=True, init_weights=False):
        super(GoogLeNet, self).__init__()
        self.aux_logits = aux_logits

        self.conv1 = BasicConv2d(3, 64, kernel_size=7, stride=2, padding=3)
        self.maxpool1 = nn.MaxPool2d(kernel_size=3, stride=2, ceil_mode=True)
        self.conv2 = BasicConv2d(64, 64, kernel_size=1)
        self.conv3 = BasicConv2d(64, 192, kernel_size=3, padding=1)
        self.maxpool2 = nn.MaxPool2d(kernel_size=3, stride=2, ceil_mode=True)

        self.inception3a = Inception(192, 64, 96, 128, 16, 32, 32)
        self.inception3b = Inception(256, 128, 128, 192, 32, 96, 64)
        self.maxpool3 = nn.MaxPool2d(kernel_size=3, stride=2, ceil_mode=True)

        self.inception4a = Inception(480, 192, 96, 208, 16, 48, 64)
        self.inception4b = Inception(512, 160, 112, 224, 24, 64, 64)
        self.inception4c = Inception(512, 128, 128, 256, 24, 64, 64)
        self.inception4d = Inception(512, 112, 144, 288, 32, 64, 64)
        self.inception4e = Inception(528, 256, 160, 320, 32, 128, 128)
        self.maxpool4 = nn.MaxPool2d(kernel_size=3, stride=2, ceil_mode=True)

        self.inception5a = Inception(832, 256, 160, 320, 32, 128, 128)
        self.inception5b = Inception(832, 384, 192, 384, 48, 128, 128)

        if self.aux_logits:
            self.aux1 = InceptionAux(512, num_classes)
            self.aux2 = InceptionAux(528, num_classes)

        self.avgpool = nn.AdaptiveAvgPool2d((1, 1))
        self.dropout = nn.Dropout(p=0.2)
        self.fc = nn.Linear(1024, num_classes)
        if init_weights:
            self._init_weight()

    def forward(self, x):
        # N x 3 x 224 x 224
        x = self.conv1(x)
        # N x 64 x 112 x 112
        x = self.maxpool1(x)
        # N x 64 x 56 x 56
        x = self.conv2(x)
        # N x 64 x 56 x 56
        x = self.conv3(x)
        # N x 192 x 56 x 56
        x = self.maxpool2(x)

        # N x 192 x 28 x 28
        x = self.inception3a(x)
        # N x 256 x 28 x 28
        x = self.inception3b(x)
        # N x 480 x 28 x 28
        x = self.maxpool3(x)
        # N x 480 x 14 x 14
        x = self.inception4a(x)
        # N x 512 x 14 x 14
        if self.aux_logits and self.training:
            aux1 = self.aux1(x)

        x = self.inception4b(x)
        # N x 512 x 14 x 14
        x = self.inception4c(x)
        # N x 512 x 14 x 14
        x = self.inception4d(x)
        # N x 528 x 14 x 14
        if self.aux_logits and self.training:
            aux2 = self.aux2(x)

        x = self.inception4e(x)
        # N x 832 x 14 x 14
        x = self.maxpool4(x)
        # N x 832 x 7 x 7
        x = self.inception5a(x)
        # N x 832 x 7 x 7
        x = self.inception5b(x)
        # N x 1024 x 7 x 7

        x = self.avgpool(x)
        # N x 1024 x 1 x 1
        x = torch.flatten(x, start_dim=1)
        # N x 1024
        x = self.dropout(x)
        x = self.fc(x)

        if self.aux_logits and self.training:
            return x, aux2, aux1
        return x

    def _init_weight(self):
        for m in self.modules():
            if isinstance(m, nn.Conv2d):
                nn.init.kaiming_normal_(m.weight, mode='fan_out', nonlinearity='relu')
                if m.bias is not None:
                    nn.init.constant_(m.bias, 0)

            elif isinstance(m, nn.Linear):
                nn.init.normal_(m.weight, 0, 0.01)
                nn.init.constant_(m.bias, 0)


class Inception(nn.Module):
    def __init__(self, in_channels, ch1x1, ch3x3red, ch3x3, ch5x5red, ch5x5, pool_proj):
        super(Inception, self).__init__()

        self.branch1 = BasicConv2d(in_channels, ch1x1, kernel_size=1)

        self.branch2 = nn.Sequential(
            BasicConv2d(in_channels, ch3x3red, kernel_size=1),
            BasicConv2d(ch3x3red, ch3x3, kernel_size=3, padding=1)
        )

        self.branch3 = nn.Sequential(
            BasicConv2d(in_channels, ch5x5red, kernel_size=1),
            BasicConv2d(ch5x5red, ch5x5, kernel_size=5, padding=2)
        )

        self.branch4 = nn.Sequential(
            nn.MaxPool2d(kernel_size=3, stride=1, padding=1),
            BasicConv2d(in_channels, pool_proj, kernel_size=1)
        )

    def forward(self, x):
        branch1 = self.branch1(x)
        branch2 = self.branch2(x)
        branch3 = self.branch3(x)
        branch4 = self.branch4(x)

        outputs = [branch1, branch2, branch3, branch4]
        return torch.cat(outputs, dim=1)


class InceptionAux(nn.Module):
    def __init__(self, in_channels, num_classes):
        super(InceptionAux, self).__init__()
        self.averagePool = nn.AdaptiveAvgPool2d((4, 4))
        self.conv = BasicConv2d(in_channels, 128, kernel_size=1)

        self.aux_classifier = nn.Sequential(
            nn.Linear(128 * 4 * 4, 1024),
            nn.Dropout(p=0.5),
            nn.ReLU(inplace=True),
            nn.Linear(1024, num_classes)
        )

    def forward(self, x):
        x = self.averagePool(x)
        x = self.conv(x)
        x = torch.flatten(x, start_dim=1)
        x = self.aux_classifier(x)
        return x


class BasicConv2d(nn.Module):
    def __init__(self, in_channels, out_channels, **kwargs):
        super(BasicConv2d, self).__init__()
        self.conv = nn.Conv2d(in_channels, out_channels, **kwargs)
        self.relu = nn.ReLU(inplace=True)

    def forward(self, x):
        x = self.conv(x)
        x = self.relu(x)
        return x

2.2 訓練結果如下

訓練資料集與驗證集大小以及訓練參數

Using 3306 images for training, 364 images for validation
Using cuda GeForce RTX 2060 device for training
lr: 0.0001
batch_size: 16

使用自己定義的網絡訓練結果

[epoch 1/10] train_loss: 2.350 val_acc: 0.407
[epoch 2/10] train_loss: 1.912 val_acc: 0.505
[epoch 3/10] train_loss: 1.842 val_acc: 0.511
[epoch 4/10] train_loss: 1.769 val_acc: 0.560
[epoch 5/10] train_loss: 1.746 val_acc: 0.566
[epoch 6/10] train_loss: 1.670 val_acc: 0.621
[epoch 7/10] train_loss: 1.595 val_acc: 0.635
[epoch 8/10] train_loss: 1.538 val_acc: 0.621
[epoch 9/10] train_loss: 1.509 val_acc: 0.681
[epoch 10/10] train_loss: 1.456 val_acc: 0.657
Best acc: 0.681
Finished Training
Train 耗時為：277.0s

使用預訓練模型參數訓練結果

[epoch 1/10] train_loss: 0.668 val_acc: 0.871
[epoch 2/10] train_loss: 0.359 val_acc: 0.901
[epoch 3/10] train_loss: 0.298 val_acc: 0.923
[epoch 4/10] train_loss: 0.268 val_acc: 0.920
[epoch 5/10] train_loss: 0.252 val_acc: 0.904
[epoch 6/10] train_loss: 0.228 val_acc: 0.923
[epoch 7/10] train_loss: 0.196 val_acc: 0.915
[epoch 8/10] train_loss: 0.210 val_acc: 0.92
[epoch 9/10] train_loss: 0.169 val_acc: 0.918
[epoch 10/10] train_loss: 0.179 val_acc: 0.93

Best acc: 0.931
Finished Training
Train 耗時為：239.9s

上一篇：VggNet

下一篇：ResNet

完整代碼：https://github.com/codecat0/Classical_Network

GoogLeNet網絡結構詳解及代碼複現

1. GoogLeNet論文詳解

Abstract:

網絡結構細節：

2. 基于Pytorch代碼複現：

2.1 模型搭建

2.2 訓練結果如下

繼續閱讀

【人工智能行業大師訪談1】吳恩達采訪 Geoffery Hinton

解讀2008年網絡技術熱詞之雲計算

《eWEEK》：09年5大科技發展趨勢雲計算居首

《正在爆發的網際網路革命》

淺談使用Fiddler工具進行弱網測試

linux網絡程式設計----發送與接收檔案

深度學習模型分析人類複雜疾病的準确性

PHP進階學習之session寫入資料庫

【趨高機器視覺】機器視覺技術原了解析及解決方案

CSMA/CD1． CSMA/CD的概述2． CSMA 的工作原理3． CSMA/CD控制規程及特點4． CSMA/CD協定5． CSMA/CD的優點6．結束語

解碼器用于語義分割：資料依賴的解碼可以實作靈活的特征聚合

cs231n斯坦福基于卷積神經網絡的CV學習筆記（一）KNN和線性分類器/分類器損失/反向傳播一，KNN圖像分類算法二，線性分類器三，線性分類器損失四，反向傳播五，神經網絡

手動安裝Intel network I217-LM網卡的Linux驅動

XX系統實施過程問題總結

nginx 安裝錯誤資訊解決

GitHub連夜封殺！這份阿裡 10W 字内部 Java 字面試手冊到底有多強？