掀起深度學(xué)習(xí)熱潮的網(wǎng)絡(luò)：AlexNet

本質(zhì)上來(lái)說(shuō)，AlexNet是改進(jìn)后的更深更大的LeNet

AlexNet架構(gòu)

AlexNet最終要輸出1000類的分類，所以隱藏層的規(guī)模要比LeNet大很多

注：Dense是指全連接層

AlexNet、 LeNet模型復(fù)雜度對(duì)比

代碼實(shí)現(xiàn)

注：此處數(shù)據(jù)集使用的是MNIST所以底層輸入通道數(shù)為1

import torch
from torch import nn
from d2l import torch as d2l

net = nn.Sequential(
    # 這里使用一個(gè)11*11的更大窗口來(lái)捕捉對(duì)象。
    # 同時(shí)，步幅為4，以減少輸出的高度和寬度。
    # 另外，輸出通道的數(shù)目遠(yuǎn)大于LeNet
    nn.Conv2d(1, 96, kernel_size=11, stride=4, padding=1), nn.ReLU(),
    nn.MaxPool2d(kernel_size=3, stride=2),
    # 減小卷積窗口，使用填充為2來(lái)使得輸入與輸出的高和寬一致，且增大輸出通道數(shù)
    nn.Conv2d(96, 256, kernel_size=5, padding=2), nn.ReLU(),
    nn.MaxPool2d(kernel_size=3, stride=2),
    # 使用三個(gè)連續(xù)的卷積層和較小的卷積窗口。
    # 除了最后的卷積層，輸出通道的數(shù)量進(jìn)一步增加。
    # 在前兩個(gè)卷積層之后，匯聚層不用于減少輸入的高度和寬度
    nn.Conv2d(256, 384, kernel_size=3, padding=1), nn.ReLU(),
    nn.Conv2d(384, 384, kernel_size=3, padding=1), nn.ReLU(),
    nn.Conv2d(384, 256, kernel_size=3, padding=1), nn.ReLU(),
    nn.MaxPool2d(kernel_size=3, stride=2),
    nn.Flatten(),
    # 這里，全連接層的輸出數(shù)量是LeNet中的好幾倍。使用dropout層來(lái)減輕過(guò)擬合，此處丟棄層丟棄概率為0.5
    nn.Linear(6400, 4096), nn.ReLU(),
    nn.Dropout(p=0.5),
    nn.Linear(4096, 4096), nn.ReLU(),
    nn.Dropout(p=0.5),
    # 最后是輸出層。由于這里使用Fashion-MNIST，所以用類別數(shù)為10，而非論文中的1000
    nn.Linear(4096, 10))

構(gòu)造一個(gè)高度和寬度都為224的單通道數(shù)據(jù)，來(lái)觀察每一層輸出的形狀。

X = torch.randn(1, 1, 224, 224)
for layer in net:
    X=layer(X)
    print(layer.__class__.__name__,'output shape:\t',X.shape)

Conv2d output shape:         torch.Size([1, 96, 54, 54])
ReLU output shape:   torch.Size([1, 96, 54, 54])
MaxPool2d output shape:      torch.Size([1, 96, 26, 26])
Conv2d output shape:         torch.Size([1, 256, 26, 26])
ReLU output shape:   torch.Size([1, 256, 26, 26])
MaxPool2d output shape:      torch.Size([1, 256, 12, 12])
Conv2d output shape:         torch.Size([1, 384, 12, 12])
ReLU output shape:   torch.Size([1, 384, 12, 12])
Conv2d output shape:         torch.Size([1, 384, 12, 12])
ReLU output shape:   torch.Size([1, 384, 12, 12])
Conv2d output shape:         torch.Size([1, 256, 12, 12])
ReLU output shape:   torch.Size([1, 256, 12, 12])
MaxPool2d output shape:      torch.Size([1, 256, 5, 5])
Flatten output shape:        torch.Size([1, 6400])
Linear output shape:         torch.Size([1, 4096])
ReLU output shape:   torch.Size([1, 4096])
Dropout output shape:        torch.Size([1, 4096])
Linear output shape:         torch.Size([1, 4096])
ReLU output shape:   torch.Size([1, 4096])
Dropout output shape:        torch.Size([1, 4096])
Linear output shape:         torch.Size([1, 10])

盡管原文中AlexNet是在ImageNet上進(jìn)行訓(xùn)練的，但在這里使用的是Fashion-MNIST數(shù)據(jù)集。因?yàn)榧词乖诂F(xiàn)代GPU上，訓(xùn)練ImageNet模型，同時(shí)使其收斂可能需要數(shù)小時(shí)或數(shù)天的時(shí)間。 將AlexNet直接應(yīng)用于Fashion-MNIST的一個(gè)問(wèn)題是，F(xiàn)ashion-MNIST圖像的分辨率（28×28

像素）低于ImageNet圖像。 為了解決這個(gè)問(wèn)題，我們將它們?cè)黾拥?24×224

（通常來(lái)講這不是一個(gè)明智的做法，但在這里這樣做是為了有效使用AlexNet架構(gòu)）。 這里需要使用d2l.load_data_fashion_mnist函數(shù)中的resize參數(shù)執(zhí)行此調(diào)整。

batch_size = 128
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size, resize=224)

與?6.6節(jié)中的LeNet相比，這里的主要變化是使用更小的學(xué)習(xí)速率訓(xùn)練，這是因?yàn)榫W(wǎng)絡(luò)更深更廣、圖像分辨率更高，訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)就更昂貴。

lr, num_epochs = 0.01, 10
d2l.train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu())

loss 0.326, train acc 0.881, test acc 0.879
4187.6 examples/sec on cuda:0