歡迎轉(zhuǎn)載，轉(zhuǎn)載請注明：本文出自Bin的專欄blog.csdn.net/xbinworld。

關(guān)于卷積神經(jīng)網(wǎng)絡(luò)CNN，網(wǎng)絡(luò)和文獻中有非常多的資料，我在工作/研究中也用了好一段時間各種常見的model了，就想著簡單整理一下，以備查閱之需。如果讀者是初接觸CNN，建議可以先看一看“Deep Learning（深度學(xué)習(xí)）學(xué)習(xí)筆記整理系列”中關(guān)于CNN的介紹[1]，是介紹我們常說的Lenet為例，相信會對初學(xué)者有幫助。

Lenet，1986年

Alexnet，2012年

GoogleNet，2014年

VGG，2014年

Deep Residual Learning，2015年

Lenet（1986）

就從Lenet說起，可以看下caffe中l(wèi)enet的配置文件（點我），可以試著理解每一層的大小，和各種參數(shù)。由兩個卷積層，兩個池化層，以及兩個全連接層組成。 卷積都是5*5的模板，stride=1，池化都是MAX。下圖是一個類似的結(jié)構(gòu)，可以幫助理解層次結(jié)構(gòu)（和caffe不完全一致，不過基本上差不多）

Alexnet（2012）

2012年，Imagenet比賽冠軍的model——Alexnet [2]（以第一作者alex命名）。caffe的model文件在這里。說實話，這個model的意義比后面那些model都大很多，首先它證明了CNN在復(fù)雜模型下的有效性，然后GPU實現(xiàn)使得訓(xùn)練在可接受的時間范圍內(nèi)得到結(jié)果，確實讓CNN和GPU都大火了一把，順便推動了有監(jiān)督DL的發(fā)展。

模型結(jié)構(gòu)見下圖，別看只有寥寥八層（不算input層），但是它有60M以上的參數(shù)總量，事實上在參數(shù)量上比后面的網(wǎng)絡(luò)都大。

這個圖有點點特殊的地方是卷積部分都是畫成上下兩塊，意思是說吧這一層計算出來的feature map分開，但是前一層用到的數(shù)據(jù)要看連接的虛線，如圖中input層之后的第一層第二層之間的虛線是分開的，是說二層上面的128map是由一層上面的48map計算的，下面同理；而第三層前面的虛線是完全交叉的，就是說每一個192map都是由前面的128+128=256map同時計算得到的。

Alexnet有一個特殊的計算層，LRN層，做的事是對當(dāng)前層的輸出結(jié)果做平滑處理。下面是我畫的示意圖：

前后幾層（對應(yīng)位置的點）對中間這一層做一下平滑約束，計算方法是：

具體打開Alexnet的每一階段（含一次卷積主要計算）來看[2][3]：

（1）con - relu - pooling - LRN

具體計算都在圖里面寫了，要注意的是input層是227*227，而不是paper里面的224*224，這里可以算一下，主要是227可以整除后面的conv1計算，224不整除。如果一定要用224可以通過自動補邊實現(xiàn)，不過在input就補邊感覺沒有意義，補得也是0。

（2）conv - relu - pool - LRN

和上面基本一樣，唯獨需要注意的是group=2，這個屬性強行把前面結(jié)果的feature map分開，卷積部分分成兩部分做。

（3）conv - relu

（4）conv-relu

（5）conv - relu - pool

（6）fc - relu - dropout

這里有一層特殊的dropout層，在alexnet中是說在訓(xùn)練的以1/2概率使得隱藏層的某些neuron的輸出為0，這樣就丟到了一半節(jié)點的輸出，BP的時候也不更新這些節(jié)點。?
（7）?
fc - relu - dropout?

（8）fc - softmax?

以上圖借用[3]，感謝。

GoogleNet（2014）

googlenet[4][5]，14年比賽冠軍的model，這個model證明了一件事：用更多的卷積，更深的層次可以得到更好的結(jié)構(gòu)。（當(dāng)然，它并沒有證明淺的層次不能達(dá)到這樣的效果）

這個model基本上構(gòu)成部件和alexnet差不多，不過中間有好幾個inception的結(jié)構(gòu)：

是說一分四，然后做一些不同大小的卷積，之后再堆疊feature map。

計算量如下圖，可以看到參數(shù)總量并不大，但是計算次數(shù)是非常大的。?

VGG（2014）

VGG有很多個版本，也算是比較穩(wěn)定和經(jīng)典的model。它的特點也是連續(xù)conv多，計算量巨大（比前面幾個都大很多）。具體的model結(jié)構(gòu)可以參考[6]，這里給一個簡圖。基本上組成構(gòu)建就是前面alexnet用到的。?

下面是幾個model的具體結(jié)構(gòu)，可以查閱，很容易看懂。

Deep Residual Learning（2015）

這個model是2015年底最新給出的，也是15年的imagenet比賽冠軍。可以說是進一步將conv進行到底，其特殊之處在于設(shè)計了“bottleneck”形式的block（有跨越幾層的直連）。最深的model采用的152層！！下面是一個34層的例子，更深的model見表格。?
?
其實這個model構(gòu)成上更加簡單，連LRN這樣的layer都沒有了。

block的構(gòu)成見下圖：

總結(jié)

OK，到這里把常見的最新的幾個model都介紹完了，可以看到，目前cnn model的設(shè)計思路基本上朝著深度的網(wǎng)絡(luò)以及更多的卷積計算方向發(fā)展。雖然有點暴力，但是效果上確實是提升了。當(dāng)然，我認(rèn)為以后會出現(xiàn)更優(yōu)秀的model，方向應(yīng)該不是更深，而是簡化。是時候動一動卷積計算的形式了。

參考資料

[1]?http://blog.csdn.net/zouxy09/article/details/8781543/?
[2] ImageNet Classification with Deep Convolutional Neural Networks?
[3]?http://blog.csdn.net/sunbaigui/article/details/39938097?
[4]?http://blog.csdn.net/csyhhb/article/details/45967291?
[5] Going deeper with convolutions?
[6] VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION

總結(jié)

以上是生活随笔為你收集整理的CNN的发展历史（LeNet,Alexnet,VGGNet,GoogleNet,ReSNet）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。