首次達(dá)到百層規(guī)模的網(wǎng)絡(luò)GoogLeNet

前述中提到的各種網(wǎng)絡(luò)，形態(tài)各異，性能有別，但是難以用一個絕對理性的方式去對它們的結(jié)構(gòu)性能做區(qū)分

GoogLeNet的重要組成：Inception塊。

基本思想：在不同通道采用不同的網(wǎng)絡(luò)結(jié)構(gòu)，將所有網(wǎng)絡(luò)的功能特點(diǎn)匯聚一體。

注意，在下面的Inception塊中，四條支路都沒有改變數(shù)據(jù)形狀，使得它們可以在輸出通道進(jìn)行合并。

但是，Inception塊中的每條支路都有著不同的通道數(shù)，在如下圖的網(wǎng)絡(luò)塊結(jié)構(gòu)中，白色的1*1卷積層主要被用于改變通道數(shù)，藍(lán)色卷積層主要用來提取空間信息。

跟傳統(tǒng)卷積層比，Inception減少了參數(shù)個數(shù)和計算復(fù)雜度

GoogLeNet網(wǎng)絡(luò)結(jié)構(gòu)

stage1、2結(jié)構(gòu)：相比于AlexNet，GoogLeNet使用了更小的窗口和更多的通道

stage3結(jié)構(gòu)：使用兩個Inception塊

注意，每個分支路要分多少通道目前仍是沒有理論根據(jù)的。

Inception的各種變種

總結(jié)：結(jié)構(gòu)過于離譜，超參數(shù)過多，不是個人能設(shè)計出的東西

代碼實(shí)現(xiàn)

Inception塊中，通常調(diào)整的超參數(shù)是每層輸出通道數(shù)。

構(gòu)建Inception塊

import torch
from torch import nn
from torch.nn import functional as F
from d2l import torch as d2l


class Inception(nn.Module):
    # c1--c4是每條路徑的輸出通道數(shù)
    def __init__(self, in_channels, c1, c2, c3, c4, **kwargs):
        super(Inception, self).__init__(**kwargs)
        # 線路1，單1x1卷積層
        self.p1_1 = nn.Conv2d(in_channels, c1, kernel_size=1)
        # 線路2，1x1卷積層后接3x3卷積層
        self.p2_1 = nn.Conv2d(in_channels, c2[0], kernel_size=1)
        self.p2_2 = nn.Conv2d(c2[0], c2[1], kernel_size=3, padding=1)
        # 線路3，1x1卷積層后接5x5卷積層
        self.p3_1 = nn.Conv2d(in_channels, c3[0], kernel_size=1)
        self.p3_2 = nn.Conv2d(c3[0], c3[1], kernel_size=5, padding=2)
        # 線路4，3x3最大匯聚層后接1x1卷積層
        self.p4_1 = nn.MaxPool2d(kernel_size=3, stride=1, padding=1)
        self.p4_2 = nn.Conv2d(in_channels, c4, kernel_size=1)

    def forward(self, x):
        p1 = F.relu(self.p1_1(x))
        p2 = F.relu(self.p2_2(F.relu(self.p2_1(x))))
        p3 = F.relu(self.p3_2(F.relu(self.p3_1(x))))
        p4 = F.relu(self.p4_2(self.p4_1(x)))
        # 在通道維度上連結(jié)輸出，通道數(shù)dim=1，批量數(shù)dim=0
        return torch.cat((p1, p2, p3, p4), dim=1)

那么為什么GoogLeNet這個網(wǎng)絡(luò)如此有效呢？ 首先我們考慮一下濾波器（filter）的組合，它們可以用各種濾波器尺寸探索圖像，這意味著不同大小的濾波器可以有效地識別不同范圍的圖像細(xì)節(jié)。 同時，我們可以為不同的濾波器分配不同數(shù)量的參數(shù)。

構(gòu)建各個模塊

第一個模塊使用64個通道、7*7卷積層。

b1 = nn.Sequential(nn.Conv2d(1, 64, kernel_size=7, stride=2, padding=3),
                   nn.ReLU(),
                   nn.MaxPool2d(kernel_size=3, stride=2, padding=1))

第二個模塊使用兩個卷積層：第一個卷積層是64個通道、(1*1)卷積層；第二個卷積層使用將通道數(shù)量增加三倍的（3*3）卷積層。 這對應(yīng)于Inception塊中的第二條路徑。

b2 = nn.Sequential(nn.Conv2d(64, 64, kernel_size=1),
                   nn.ReLU(),
                   nn.Conv2d(64, 192, kernel_size=3, padding=1),
                   nn.ReLU(),
                   nn.MaxPool2d(kernel_size=3, stride=2, padding=1))

第三個模塊串聯(lián)兩個完整的Inception塊。 第一個Inception塊的輸出通道數(shù)為（64+128+32+32=256)，四個路徑之間的輸出通道數(shù)量比為(64:128:32:32=2:4:1:1)。 第二個和第三個路徑首先將輸入通道的數(shù)量分別減少到(96/192=1/2)和\(16/192=1/12)，然后連接第二個卷積層。第二個Inception塊的輸出通道數(shù)增加到(128+192+96+64=480)，四個路徑之間的輸出通道數(shù)量比為(128:192:96:64 = 4:6:3:2)。 第二條和第三條路徑首先將輸入通道的數(shù)量分別減少到(128/256=1/2\)和\(32/256=1/8\)。

b3 = nn.Sequential(Inception(192, 64, (96, 128), (16, 32), 32),
                   Inception(256, 128, (128, 192), (32, 96), 64),
                   nn.MaxPool2d(kernel_size=3, stride=2, padding=1))

第四模塊更加復(fù)雜， 它串聯(lián)了5個Inception塊，其輸出通道數(shù)分別是(192+208+48+64=512)、(160+224+64+64=512)、(128+256+64+64=512)、(112+288+64+64=528)和(256+320+128+128=832)。 這些路徑的通道數(shù)分配和第三模塊中的類似，首先是含(3×3)卷積層的第二條路徑輸出最多通道，其次是僅含(1×1)卷積層的第一條路徑，之后是含(5×5)卷積層的第三條路徑和含(3×3)最大匯聚層的第四條路徑。 其中第二、第三條路徑都會先按比例減小通道數(shù)。 這些比例在各個Inception塊中都略有不同。

b4 = nn.Sequential(Inception(480, 192, (96, 208), (16, 48), 64),
                   Inception(512, 160, (112, 224), (24, 64), 64),
                   Inception(512, 128, (128, 256), (24, 64), 64),
                   Inception(512, 112, (144, 288), (32, 64), 64),
                   Inception(528, 256, (160, 320), (32, 128), 128),
                   nn.MaxPool2d(kernel_size=3, stride=2, padding=1))

第五模塊包含輸出通道數(shù)為(256+320+128+128=832)和(384+384+128+128=1024)的兩個Inception塊。 其中每條路徑通道數(shù)的分配思路和第三、第四模塊中的一致，只是在具體數(shù)值上有所不同。 需要注意的是，第五模塊的后面緊跟輸出層，該模塊同NiN一樣使用全局平均匯聚層，將每個通道的高和寬變成1。 最后我們將輸出變成二維數(shù)組，再接上一個輸出個數(shù)為標(biāo)簽類別數(shù)的全連接層。

b5 = nn.Sequential(Inception(832, 256, (160, 320), (32, 128), 128),
                   Inception(832, 384, (192, 384), (48, 128), 128),
                   nn.AdaptiveAvgPool2d((1,1)),
                   nn.Flatten())

net = nn.Sequential(b1, b2, b3, b4, b5, nn.Linear(1024, 10))

為了使Fashion-MNIST上的訓(xùn)練短小精悍，我們將輸入的高和寬從224降到96，這簡化了計算。下面演示各個模塊輸出的形狀變化。

X = torch.rand(size=(1, 1, 96, 96))
for layer in net:
    X = layer(X)
    print(layer.__class__.__name__,'output shape:\t', X.shape)

Sequential output shape:     torch.Size([1, 64, 24, 24])
Sequential output shape:     torch.Size([1, 192, 12, 12])
Sequential output shape:     torch.Size([1, 480, 6, 6])
Sequential output shape:     torch.Size([1, 832, 3, 3])
Sequential output shape:     torch.Size([1, 1024])
Linear output shape:         torch.Size([1, 10])

訓(xùn)練模型

lr, num_epochs, batch_size = 0.1, 10, 128
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size, resize=96)
d2l.train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu())

loss nan, train acc 0.100, test acc 0.100
3589.5 examples/sec on cuda:0

知識補(bǔ)充：

在進(jìn)行深度學(xué)習(xí)研究時，修改經(jīng)典模型的通道數(shù)是常用的調(diào)參方法