參考

5.5 卷積神經(jīng)網(wǎng)絡（LeNet）

卷積層嘗試解決兩個問題:

卷積層保留輸入形狀,使圖像的像素在高和寬兩個方向上的相關性均可能被有效識別;

卷積層通過滑動窗口將同一卷積核和不同位置的輸入重復計算,從而避免參數(shù)尺寸過大。

5.5.1 LeNet模型

LeNet分為卷積層塊和全連接層塊兩個部分.

卷積層塊的基本單位是卷積層后接最大池化層: 卷積層用來識別圖像里的空間模式(線條和物體局部),之后最大池化用來降低卷積層對位置的敏感性。卷積層塊由兩個這樣的基本單位重復堆疊構(gòu)成。

在卷積層塊中，每個卷積層都使用5×5的窗口，并在輸出上使用sigmoid激活函數(shù)。第一個卷積層輸出通道數(shù)為6，第二個卷積層輸出通道數(shù)則增加到16。這是因為第二個卷積層比第一個卷積層的輸入的高和寬要小，所以增加輸出通道使兩個卷積層的參數(shù)尺寸類似。卷積層塊的兩個最大池化層的窗口形狀均為2×2，且步幅為2。由于池化窗口與步幅形狀相同，池化窗口在輸入上每次滑動所覆蓋的區(qū)域互不重疊。

卷積層塊的輸出形狀為(批量大小, 通道, 高, 寬)。當卷積層塊的輸出傳入全連接層塊時，全連接層塊會將小批量中每個樣本變平（flatten）。也就是說，全連接層的輸入形狀將變成二維，其中第一維是小批量中的樣本，第二維是每個樣本變平后的向量表示，且向量長度為通道、高和寬的乘積。全連接層塊含3個全連接層。它們的輸出個數(shù)分別是120、84和10，其中10為輸出的類別個數(shù)。

下面通過Sequential類來實現(xiàn)LeNet模型

import time import torch import torch.nn as nn import sys sys.path.append("..") import d2lzh_pytorch as d2ldevice = torch.device('cuda' if torch.cuda.is_available() else 'cpu')class LeNet(nn.Module):def __init__(self):super(LeNet, self).__init__()self.conv = nn.Sequential(nn.Conv2d(1, 6, 5), # in_channels, out_channels, kernel_size: (1, 1, 28, 28) -> (6, 1, 24, 24)nn.Sigmoid(),nn.MaxPool2d(2, 2), # kernel_size, stride: (6, 24, 24) -> (6, 1,12, 12)nn.Conv2d(6, 16, 5), # (6, 1, 12, 12) -> (16, 1, 8, 8)nn.Sigmoid(),nn.MaxPool2d(2, 2) # (16, 1, 8, 8) -> (16, 1, 4, 4))self.fc = nn.Sequential(nn.Linear(16*4*4, 120), # (16, 1, 4, 4) -> (256) -> (120)nn.Sigmoid(),nn.Linear(120, 84), # (120) -> (84)nn.Sigmoid(),nn.Linear(84, 10) # (84) -> (10))def forward(self, img):# img: 1 * 1 * 28 * 28feature = self.conv(img) output = self.fc(feature.view(img.shape[0], -1))return output net = LeNet() print(net)

可以看到，在卷積層塊中輸入的高和寬在逐層減小。卷積層由于使用高和寬均為5的卷積核，從而將高和寬分別減小4，而池化層則將高和寬減半，但通道數(shù)則從1增加到16。全連接層則逐層減少輸出個數(shù)，直到變成圖像的類別數(shù)10。

5.5.2 獲取數(shù)據(jù)和訓練模型

batch_size = 256 train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size = batch_size) # 使用GPU計算 def evaluate_accuracy(data_iter, net, device=None):if device is None and isinstance(net, torch.nn.Module):# 如果沒指定device就使用net的devicedevice = list(net.parameters())[0].deviceacc_sum, n = 0.0, 0with torch.no_grad():for X, y in data_iter:if isinstance(net, torch.nn.Module):net.eval() # 評估模式, 這會關閉dropoutacc_sum += (net(X.to(device)).argmax(dim=1) == y.to(device)).float().sum().cpu().item()net.train() # 改回訓練模式else: # 自定義的模型, 3.13節(jié)之后不會用到, 不考慮GPUif('is_training' in net.__code__.co_varnames): # 如果有is_training這個參數(shù)# 將is_training設置成Falseacc_sum += (net(X, is_training=False).argmax(dim=1) == y).float().sum().item() else:acc_sum += (net(X).argmax(dim=1) == y).float().sum().item() n += y.shape[0]return acc_sum / n def train_ch5(net, train_iter, test_iter, batch_size, optimizer, device, num_epochs):net = net.to(device)print("training on ", device)loss = torch.nn.CrossEntropyLoss()for epoch in range(num_epochs):train_l_sum, train_acc_sum, n, batch_count, start = 0.0, 0.0, 0, 0, time.time()for X, y in train_iter:X = X.to(device)y = y.to(device)y_hat = net(X)l = loss(y_hat, y)optimizer.zero_grad()l.backward()optimizer.step()train_l_sum += l.cpu().item()train_acc_sum += (y_hat.argmax(dim=1) == y).sum().cpu().item()n += y.shape[0]batch_count += 1test_acc = evaluate_accuracy(test_iter, net)print('epoch %d, loss %.4f, train acc %.3f, test acc %.3f, time %.1f sec'% (epoch + 1, train_l_sum / batch_count, train_acc_sum / n, test_acc, time.time() - start)) lr, num_epochs = 0.001, 10 optimizer = torch.optim.Adam(net.parameters(), lr=lr) train_ch5(net, train_iter, test_iter, batch_size, optimizer, device, num_epochs)

總結(jié)

以上是生活随笔為你收集整理的[pytorch、学习] - 5.5 卷积神经网络（LeNet）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。