登录 / 注册
IT168大数据频道
IT168首页 > 大数据 > 大数据评论 > 正文

CNN论文研读之AlexNet及Tensorflow实现

2018-07-26 09:05    数据科学家养成记 来源:数据科学家养成记  作者: louwill 编辑: 赵钰莹

  【IT168 评论】在 Yann Lecun 提出 Le-Net5 之后的十几年内,由于神经网络本身较差的可解释性以及受限于计算能力的影响,神经网络发展缓慢且在较长一段时间内处于低谷。2012年,深度学习三巨头之一、具有神经网络之父之称的 Geoffrey Hinton 的学生 Alex Krizhevsky 率先提出了 AlexNet,并在当年度的 ILSVRC(ImageNet大规模视觉挑战赛)以显著的优势获得当届冠军,top-5 的错误率降至了 16.4%,相比于第二名 26.2% 的错误率有了极大的提升。这一成绩引起了学界和业界的极大关注,计算机视觉也开始逐渐进入深度学习主导的时代。

  AlexNet 继承了 LeCun 的 Le-Net5 思想,将卷积神经网络的发展到很宽很深的网络当中,相较于 Le-Net5 的六万个参数,AlexNet 包含了 6 亿三千万条连接,6000 万个参数和 65 万个神经元,其网络结构包括 5 层卷积,其中第一、第二和第五层卷积后面连接了最大池化层,然后是 3 个全连接层。AlexNet 的创新点在于:

  首次成功使用 relu 作为激活函数,使其在较深的网络上效果超过传统的 sigmoid 激活函数,极大的缓解了梯度消失问题。

  首次在实践中发挥了 dropout 的作用,为全连接层添加 dropout 防止过拟合。

  相较于之前 Le-Net5 中采用的平均池化,AlexNet 首次采用了重叠的最大池化,避免了平均池化的模糊化效果。

  提出了 LRN 层,对局部神经元的活动创建了竞争机制。

  使用多 GPU 进行并行计算。

  采用了一定的数据增强手段,一定程度上也缓解了过拟合。

  AlexNet 网络结构

  以上是 AlexNet 的基本介绍和创新点,下面我们看一下 AlexNet 的网络架构。

CNN论文研读之AlexNet及Tensorflow实现

  AlexNet 不算池化层总共有 8 层,前 5 层为卷积层,其中第一、第二和第五层卷积都包含了一个最大池化层,后三层为全连接层。所以 AlexNet 的简略结构如下:

  输入>卷积>池化>卷积>池化>卷积>卷积>卷积>池化>全连接>全连接>全连接>输出

  各层的结构和参数如下:

  C1层是个卷积层,其输入输出结构如下:

  输入: 227 x 227 x 3 滤波器大小: 11 x 11 x 3 滤波器个数:96

  输出: 55 x 55 x 96

  P1层是C1后面的池化层,其输入输出结构如下:

  输入: 55 x 55 x 96 滤波器大小: 3 x 3 滤波器个数:96

  输出: 27 x 27 x 96

  C2层是个卷积层,其输入输出结构如下:

  输入: 27 x 27 x 96 滤波器大小: 5 x 5 x 96 滤波器个数:256

  输出: 27 x 27 x 256

  P2层是C2后面的池化层,其输入输出结构如下:

  输入: 27 x 27 x 256 滤波器大小: 3 x 3 滤波器个数:256

  输出: 13 x 13 x 256

  C3层是个卷积层,其输入输出结构如下:

  输入: 13 x 13 x 256 滤波器大小: 3 x 3 x 256 滤波器个数:384

  输出: 13 x 13 x 384

  C4层是个卷积层,其输入输出结构如下:

  输入: 13 x 13 x 384 滤波器大小: 3 x 3 x 384 滤波器个数:384

  输出: 13 x 13 x 384

  C5层是个卷积层,其输入输出结构如下:

  输入: 13 x 13 x 384 滤波器大小: 3 x 3 x 384 滤波器个数:256

  输出: 13 x 13 x 256

  P5层是C5后面的池化层,其输入输出结构如下:

  输入: 13 x 13 x 256 滤波器大小: 3 x 3 滤波器个数:256

  输出: 6 x 6 x 256

  F6层是个全连接层,其输入输出结构如下:

  输入:6 x 6 x 256

  输出:4096

  F7层是个全连接层,其输入输出结构如下:

  输入:4096

  输出:4096

  F8层也是个全连接层,即输出层,其输入输出结构如下:

  输入:4096

  输出:1000

  在论文中,输入图像大小为 224 x 224 x 3,实际为 227 x 227 x 3。各层输出采用 relu 进行激活。前五层卷积虽然计算量极大,但参数量并不如后三层的全连接层多,但前五层卷积层的作用却要比全连接层重要许多。

  AlexNet 在验证集和测试集上的分类错误率表现:

CNN论文研读之AlexNet及Tensorflow实现

  AlexNet 的 tensorflow 实现

  我们继续秉持前面关于利用 tensorflow 构建卷积神经网络的基本步骤和方法:定义创建输入输出的占位符变量模块、初始化各层参数模块、创建前向传播模块、定义模型优化迭代模型,以及在最后设置输入数据。

  定义卷积过程

  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,

  strides=[1, stride_y, stride_x, 1],

  padding=padding)

  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,

  filter_width,

  input_channels/groups,

  num_filters])

  biases = tf.get_variable('biases', shape=[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,

  value=weights)

  output_groups = [convolve(i, k) for i, k in zip(input_groups, weight_groups)]

  # 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

  定义全连接层

  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

  定义最大池化过程

  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)

  定义 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)

  定义 dropout 操作

  def dropout(x, keep_prob):

  return tf.nn.dropout(x,keep_prob)

  以上关于搭建 AlexNet 的各个组件我们都已准备好,下面我们利用这些组建创建一个 AlexNet 类来实现 AlexNet。

  class AlexNet(object):

  def __init__(self, x, keep_prob, num_classes, skip_layer,

  weights_path='DEFAULT'):

  # Parse input arguments into class variables

  self.X = x

  self.NUM_CLASSES = num_classes

  self.KEEP_PROB = keep_prob

  self.SKIP_LAYER = skip_layer

  if weights_path == 'DEFAULT':

  self.WEIGHTS_PATH = 'bvlc_alexnet.npy'

  else:

  self.WEIGHTS_PATH = weights_path

  # Call the create function to build the computational graph of AlexNet

  self.create()

  def create(self):

  # 1st Layer: Conv (w ReLu) -> Lrn -> Pool

  conv1 = conv(self.X, 11, 11, 96, 4, 4, padding='VALID', name='conv1')

  norm1 = lrn(conv1, 2, 1e-04, 0.75, name='norm1')

  pool1 = max_pool(norm1, 3, 3, 2, 2, padding='VALID', name='pool1')

  # 2nd Layer: Conv (w ReLu) -> Lrn -> Pool with 2 groups

  conv2 = conv(pool1, 5, 5, 256, 1, 1, groups=2, name='conv2')

  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)

  conv3 = conv(pool2, 3, 3, 384, 1, 1, name='conv3')

  # 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

  conv5 = conv(conv4, 3, 3, 256, 1, 1, groups=2, name='conv5')

  pool5 = max_pool(conv5, 3, 3, 2, 2, padding='VALID', name='pool5')

  # 6th Layer: Flatten -> FC (w ReLu) -> Dropout

  flattened = tf.reshape(pool5, [-1, 6*6*256])

  fc6 = fc(flattened, 6*6*256, 4096, name='fc6')

  dropout6 = dropout(fc6, self.KEEP_PROB)

  # 7th Layer: FC (w ReLu) -> Dropout

  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')

  def load_initial_weights(self, session):

  # Load the weights into memory

  weights_dict = np.load(self.WEIGHTS_PATH, encoding='bytes').item()

  # Loop over all layer names stored in the weights dict

  for op_name in weights_dict:

  # Check if layer should be trained from scratch

  if op_name not in self.SKIP_LAYER:

  with tf.variable_scope(op_name, reuse=True):

  # Assign weights/biases to their corresponding tf variable

  for data in weights_dict[op_name]:

  # Biases

  if len(data.shape) == 1:

  var = tf.get_variable('biases', trainable=False)

  session.run(var.assign(data))

  # Weights

  else:

  var = tf.get_variable('weights', trainable=False)

  session.run(var.assign(data))

  在上述代码中,我们利用了之前定义的各个组件封装了前向计算过程,从http://www.cs.toronto.edu/~guerzhoy/tf_alexnet/上导入了预训练好的模型权重。这样一来,我们就将 AlexNet 基本搭建好了。

  【本文转载自微信公众号: 数据科学家养成记,ID:louwill12,作者: louwill,往期文章可自行查阅微信公众号 】

  • IT168企业级IT168企业级
  • IT168文库IT168文库

扫一扫关注

  • 推荐文章
  • 推荐产品
行车视线文章推荐

首页 评论 返回顶部