经典卷积神经网络-AlexNet

经典卷积神经网络-AlexNet

一、背景介绍

2012 年， 出自论文《ImageNet Classification with Deep Convolutional Neural Networks》中的AlexNet被称为是首个真正意义上的深度卷积神经网络。这个模型的名字来源于论文第一作者的姓名 Alex Krizhevsky。AlexNet 使用了 8 层卷积神经网络，并以很大的优势赢得了 ImageNet 2012 图像识别挑战赛冠军。

二、AlexNet网络结构

如图所示，这是论文中作者给出的AlexNet网络结构，共有八层，包含五个卷积层和三个全连接层。吴恩达深度学习视频中给出的网络结构如下：

如图所示，AlexNet与LeNet有很多相似之处，但AlexNet要大的多。AlexNet是针对ImageNet数据集来建立的，所以其最后输出（Softmax）层有1000个神经元。LeNet大约包含6万个参数，而AlexNet大约包含6000万个参数。以下是AlexNet论文中的一些细节：

• 论文中的网络结构使用的原图输入为224 × 224，实际上进行了随机裁剪，实际大小为227 × 227。

• AlexNet使用了ReLU激活函数，比传统神经网络所选取的非线性饱和函数（如sigmoid函数，tanh函数）要快许多。
• 论文中采用了非常复杂的方法在两个GPU上进行训练，大致原理是这些层被分拆到两个不同的GPUs上，同时还有一个专门的方法用于两个GPUs进行交流。
• 采用局部响应归一化（LRN），可形成某种形式的横向抑制，从而提高网络的泛华能力。随着时间的推移，LRN 在深度学习中的应用逐渐减少，因为其他正则化技术，如批量归一化（Batch Normalization）等，通常表现更好且更易于训练。
• 池化方式采用overlapping pooling，即池化窗口的大小大于步长，使得每次池化都有重叠的部分。这种重叠的池化方式比传统无重叠的池化方式有着更好的效果，且可以避免过拟合现象的发生。
• 采用Dropout操作，Dropout操作会将概率小于0.5的每个隐层神经元的输出设为0，即去掉了一些神经节点，达到防止过拟合。

三、AlexNet的Pytorch实现

后面要将AlexNet应用到猫狗二分类问题上，所以对AlexNet网络做了一些修改，其实现代码如下：

import torch
from torch import nn
from torch.nn import Sequential


class AlexNet(nn.Module):

    def __init__(self):
        super().__init__()

        # 五个卷积层提取特征
        self.features = Sequential(
            # 【1】号卷积层 + ReLU + LRN + 池化
            nn.Conv2d(in_channels=3, out_channels=96, kernel_size=11, stride=4, padding=2),
            nn.LocalResponseNorm(size=5, alpha=0.0001, beta=0.75, k=2),
            nn.MaxPool2d(kernel_size=3, stride=2),

            # 【2】号卷积层 + ReLU + LRN + 池化
            nn.Conv2d(in_channels=96, out_channels=256, kernel_size=5, padding=2),
            nn.ReLU(inplace=True),
            nn.LocalResponseNorm(size=5, alpha=0.0001, beta=0.75, k=2),
            nn.MaxPool2d(kernel_size=3, stride=2),

            # 3个卷积层+RelU + 池化
            nn.Conv2d(in_channels=256, out_channels=384, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(in_channels=384, out_channels=384, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(in_channels=384, out_channels=256, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
        )

        self.classifier = Sequential(
            # DP+1号线性层
            nn.Dropout(p=0.5),
            nn.Linear(256 * 6 * 6, 4096),
            nn.ReLU(inplace=True),

            # DP+2号线性层
            nn.Dropout(p=0.5),
            nn.Linear(4096, 4096),
            nn.ReLU(inplace=True),

            # 输出层
            nn.Linear(4096, 2)
        )

    def forward(self, x):
        x = self.features(x)
        # 作用类似Flatten 元素个数不变 每个元素都展平成一维的
        x = x.view(-1, 256 * 6 * 6)
        x = self.classifier(x)
        return x


if __name__ == '__main__':
    model = AlexNet()
    print(model)
    input = torch.ones((64, 3, 224, 224))
    output = model(input)
    print(output.shape)

四、案例：猫狗二分类问题

此次使用的猫狗分类图像一共25000张，猫狗分别有12500张。下载地址：https://www.kaggle.com/c/dogs-vs-cats-redux-kernels-edition/data，其中train文件夹中有带标签的图片25000张，猫狗各一半。因为test1文件夹中的图片没有带标签，所以我只使用了train文件夹，由于图片太多所以我只取了其中2000张（猫狗各1000张），并将其七三划分为了训练集和测试集。目录结构为：

CatVSDog：
	----train_cat
	----train_dog
	----test_cat
	----test_dog

自定义DataSet：

from torch.utils.data import Dataset
from PIL import Image
import torchvision
import os

class CatvsDogDataSet(Dataset):

    def __init__(self, root_dir, label_dir, transform=None):
        # 根目录 对应到一个train/test文件夹
        self.root_dir = root_dir
        # 标签目录就是数据文件名
        self.label_dir = label_dir
        # 数据地址就是根目录 + 标签目录(数据文件)，也就是对应的cat文件夹或dog文件夹
        self.path = os.path.join(self.root_dir, self.label_dir)
        # 图片地址就是数据文件下的所有文件名 (返回一个列表)
        self.img_path = os.listdir(self.path)
		# 数据预处理
        self.transform = transform

    # 重写__getitem__()函数
    def __getitem__(self, idx):
        imag_name = self.img_path[idx]
        img_item_path = os.path.join(self.path, imag_name)
        img = Image.open(img_item_path)
		# 如果传入transform 就对其进行预处理
        if self.transform:
            img = self.transform(img)

        if self.label_dir == "train_cat" or self.label_dir == "test_cat":
            label = 0
        else:
            label = 1
        return img, label

    # 重写 __len__()函数：获取数据集的数量
    def __len__(self):
        return len(self.img_path)

下面是训练模型的代码：

import torch
import torch.nn as nn
import torchvision
from torch.utils.tensorboard import SummaryWriter

from dataset import *
from model import *
from torch.utils.data import DataLoader
from torchvision.transforms import ToTensor

# 1. 准备数据集
# 数据预处理
transforms = torchvision.transforms.Compose([
    torchvision.transforms.Resize((224, 224)),
    torchvision.transforms.ToTensor(),
    torchvision.transforms.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])
])

# 加载训练集
root_dir = "../dataset/dataset_kaggledogvscat/CatVSDog/"
train_cat_label_dir = "train_cat"
train_dog_label_dir = "train_dog"
train_cat_dataset = CatvsDogDataSet(root_dir, train_cat_label_dir, transform=transforms)
train_dog_dataset = CatvsDogDataSet(root_dir, train_dog_label_dir, transform=transforms)
train_dataset = train_cat_dataset + train_dog_dataset

# 加载测试集
root_dir = "../dataset/dataset_kaggledogvscat/CatVSDog/"
test_cat_label_dir = "test_cat"
test_dog_label_dir = "test_dog"
test_cat_dataset = CatvsDogDataSet(root_dir, test_cat_label_dir, transform=transforms)
test_dog_dataset = CatvsDogDataSet(root_dir, test_dog_label_dir, transform=transforms)
test_dataset = test_cat_dataset + test_dog_dataset

train_data_size = len(train_dataset)
test_data_size = len(test_dataset)
# print(train_data_size) # 1400
# print(test_data_size) # 600

# 2. 利用 DataLoader来加载数据集
train_dataloader = DataLoader(train_dataset, batch_size=100, shuffle=True)
test_dataloader = DataLoader(test_dataset, batch_size=64, shuffle=False)

# 4. 创建网络模型
model = AlexNet()
if torch.cuda.is_available():
    model = model.cuda()

# 5. 创建损失函数
loss_fn = nn.CrossEntropyLoss()
if torch.cuda.is_available():
    loss_fn = loss_fn.cuda()

# 6. 创建优化器
learning_rate = 1e-3
optimizer = torch.optim.Adam(model.parameters(), lr=learning_rate)

# 7. 设置训练网络的一些参数
# 记录训练的次数
total_train_step = 0
# 记录测试的次数
total_test_step = 0
# 训练的轮数
epoch = 10

# 可选1 添加TensorBoard
writer = SummaryWriter("./logs_AlexNet")

for i in range(epoch):
    print("-----------第{}轮训练开始-----------".format(i + 1))

    # 8. 训练步骤开始
    model.train()
    for data in train_dataloader:
        imgs, targets = data
        if torch.cuda.is_available():
            imgs = imgs.cuda()
            targets = targets.cuda()
        outputs = model(imgs)
        # 计算loss值
        loss = loss_fn(outputs, targets)

        # 优化器优化模型
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()

        total_train_step += 1
        if total_train_step % 5 == 0:
            print("训练次数：{}, Loss：{}".format(total_train_step, loss.item()))
            writer.add_scalar("train_loss", loss.item(), total_train_step)

    # 9. 测试步骤开始
    model.eval()
    total_test_loss = 0
    total_accuracy = 0
    # torch.no_grad() 是一个上下文管理器，用于禁用梯度计算 当进入with后的代码块时，Pytorch会停止跟踪梯度
    with torch.no_grad():
        for data in test_dataloader:
            imgs, targets = data
            if torch.cuda.is_available():
                imgs = imgs.cuda()
                targets = targets.cuda()
            outputs = model(imgs)
            loss = loss_fn(outputs, targets)
            total_test_loss += loss.item()

            accuracy = (outputs.argmax(1) == targets).sum()
            total_accuracy += accuracy
    print("整体测试集上的Loss：{}".format(total_test_loss))
    print("整体测试集上的accuracy：{}".format(total_accuracy / test_data_size))
    total_test_step += 1
    writer.add_scalar("test_loss", total_test_loss, total_test_step)
    writer.add_scalar("test_accuracy", total_accuracy / test_data_size, total_test_step)

    # 10. 保存每一轮训练的模型
    torch.save(model.state_dict(), "train_model/AlexNet_{}.pth".format(i + 1))

writer.close()

训练完毕以后，在TensorBoard查看train_loss曲线：

查看test_accuracy曲线：

可能是我的数据量太小导致的，其准确率最高只有61%。

参考链接：

• https://admirefx.gitee.io/admirefx/2021/07/01/AlexNet%E5%9C%A8%E7%8C%AB%E7%8B%97%E5%88%86%E7%B1%BB%E7%9A%84%E4%BA%8C%E5%88%86%E7%B1%BB%E9%97%AE%E9%A2%98%E4%B8%AD%E7%9A%84%E5%BA%94%E7%94%A8/

• https://cloud.tencent.com/developer/article/1636074

• https://blog.csdn.net/weixin_37813036/article/details/90718310