TensorFlow卷積神經網絡AlexNet實現示例詳解

2012年,Hinton的學生Alex Krizhevsky提出瞭深度卷積神經網絡模型AlexNet,它可以算是LeNet的一種更深更寬的版本。AlexNet以顯著的優勢贏得瞭競爭激烈的ILSVRC 2012比賽,top-5的錯誤率降低至瞭16.4%,遠遠領先第二名的26.2%的成績。AlexNet的出現意義非常重大,它證明瞭CNN在復雜模型下的有效性,而且使用GPU使得訓練在可接受的時間范圍內得到結果,讓CNN和GPU都大火瞭一把。AlexNet可以說是神經網絡在低谷期後的第一次發聲,確立瞭深度學習(深度卷積網絡)在計算機視覺的統治地位,同時也推動瞭深度學習在語音識別、自然語言處理、強化學習等領域的拓展。

模型結構

這裡寫圖片描述

整個AlexNet前5層為卷積層,後3個為全連接層,其中最後一層是1000類輸出的Softmax分類輸出層。LRN層在第1個及第2個卷積層之後,Max pooling層在兩個LRN層之後和最後一個卷積層之後。ReLU激活函數跟在5個卷積層和2個全連接層後面(最後輸出層沒有)。

因為AlexNet訓練時使用瞭兩塊GPU,因此這個結構圖中不少組件都被拆為瞭兩部分。現在我們GPU的顯存足夠大可以放下全部模型參數,因此隻考慮一塊GPU的情況。

AlexNet中包含的新技術點

成功使用ReLU作為CNN的激活函數,並驗證瞭在較深的網絡中其效果超過瞭Sigmoid,成功解決瞭Sigmoid在網絡較深時的梯度消失問題。雖然ReLU在很久之前就被提出來瞭,但AlexNet的出現才將其發揚光大。

網絡中加入瞭Dropout層,訓練時使用Dropout隨機殺死(忽略)一部分神經元,以避免模型過擬合。(AlexNet通過實踐證實瞭Dropout的效果,關於Dropout有單獨的論文論述。)

池化層使用Max pooling,此前CNN普遍使用平均池化,最大池化避免瞭平均池化的模糊化效果。且提出讓步長小於池化核的尺寸,這樣池化層的輸出之間會有重疊和覆蓋,提升瞭特征的豐富性。

提出瞭LRN層(Local Response Normalization),對局部神經元的活動創建競爭機制,使得其中響應比較大的值變的相對更大,並抑制其它反饋較小的神經元,增強瞭模型的泛化能力。

使用CUDA加速深度神經網絡的訓練,利用GPU強大的並行計算能力,處理神經網絡訓練時大量的矩陣運算。(當時Alex使用的是兩塊GTX 580,單個GPU隻有3GB顯存,限制瞭可訓練的網絡的最大規模。因此他將AlexNet分佈在兩個GPU上,每個GPU的顯存中儲存一半的神經元的參數。現在GTX 1080Ti都出來瞭,硬件發展的還是比較快的,這也是深度學習能飛速發展的重要原因之一吧)

數據增強。隨機地從256*256的原始圖像中截取224*224大小的區域(以及水平翻轉的鏡像),相當於增加瞭((256-224)^2)*2=2048倍的數據量。如果沒有數據增強,僅靠原始數據的數據量,參數眾多的CNN會陷入過擬合中,進行數據增強後可以大大減輕過擬合,提升模型的泛化能力。進行預測時,則是取圖片的四個角加中間共5個位置,並進行左右翻轉,一共獲得10個圖片,對它們進行預測並對求10次結果求均值。同時,AlexNet論文中提到瞭會對圖像的RGB數據進行PCA處理,並對主成分做一個標準差為0.1的高斯擾動,增加瞭一些噪聲,這個Trick可以讓錯誤率再下降1%。

AlexNet每層的超參數

其中,

Input:圖片尺寸224*224

Conv1:卷積核11*11,步長4,96個filter(卷積核尺寸較大)

ReLU

LRN1

Max pooling1:3*3,步長2

Conv2:卷積核5*5,步長1,256個filter

ReLU

LRN2

Max pooling2:3*3,步長2

Conv3:卷積核3*3,步長1,384個filter

ReLU

Conv4:卷積核3*3,步長1,384個filter

ReLU

Conv5:卷積核3*3,步長1,256個filter

ReLU

Max pooling3:3*3,步長2

FC1:4096

ReLU

FC2:4096

ReLU

FC3(Output):1000

對AlexNet使用MNIST數據集

代碼如下:

from datetime import datetime
import time
import tensorflow as tf
import input_data
mnist = input_data.read_data_sets('data/', one_hot=True)
print("MNIST READY")
# 定義網絡參數
n_input = 784 # 輸入的維度
n_output = 10 # 標簽的維度
learning_rate = 0.001
dropout = 0.75
# 定義函數print_activations來顯示網絡每一層結構,展示每一個卷積層或池化層輸出tensor的尺寸
def print_activations(t):
    print(t.op.name, '', t.get_shape().as_list())
# 定義卷積操作
def conv2d(input, w, b):
    return tf.nn.relu(tf.nn.bias_add(tf.nn.conv2d(input, w, strides=[1, 1, 1, 1], padding='SAME'), b)) # 參數分別指定瞭卷積核的尺寸、多少個channel、filter的個數即產生特征圖的個數                                                                                       # 步長為1,即掃描全圖像素,[1, 1, 1, 1]分別代表batch_size、h、w、c的stride
# 定義池化操作
def max_pool(input):
    return tf.nn.max_pool(input, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME') # padding有兩種選擇:'SAME'(窗口滑動時,像素不夠會自動補0)或'VALID'(不夠就跳過)兩種選擇
# 定義全連接操作
def fc(input, w, b):
    return tf.nn.relu(tf.add(tf.matmul(input, w), b)) # w*x+b,再通過非線性激活函數relu
# 定義網絡結構
def alex_net(_input, _weights, _biases, _keep_prob):
    _input_r = tf.reshape(_input, [-1, 28, 28, 1])  # 對圖像做一個預處理,轉換為tf支持的格式,即[n, h, w, c],-1是確定好其它3維後,讓tf去推斷剩下的1維
    with tf.name_scope('conv1'):
        _conv1 = conv2d(_input_r, _weights['wc1'], _biases['bc1'])
        print_activations(_conv1) # 將這一層最後輸出的tensor conv1的結構打印出來

    # # 這裡參數基本都是AlexNet論文中的推薦值,但目前其他經典卷積神經網絡模型基本都放棄瞭LRN(主要是效果不明顯),
    # # 並且使用LRN也會讓前饋、反饋的速度大大下降(整體速度降到1/3)
    # with tf.name_scope('_lrn1'):
    #     _lrn1 = tf.nn.lrn(_conv1, 4, bias=1.0, alpha=0.001/9, beta=0.75)

    with tf.name_scope('pool1'):
        _pool1 = max_pool(_conv1)
        print_activations(_pool1)

    with tf.name_scope('conv2'):
        _conv2 = conv2d(_pool1, _weights['wc2'], _biases['bc2'])
        print_activations(_conv2)

    # with tf.name_scope('_lrn2'):
    #     _lrn2 = tf.nn.lrn(_conv2, 4, bias=1.0, alpha=0.001/9, beta=0.75)

    with tf.name_scope('pool2'):
        _pool2 = max_pool(_conv2)
        print_activations(_pool2)

    with tf.name_scope('conv3'):
        _conv3 = conv2d(_pool2, _weights['wc3'], _biases['bc3'])
        print_activations(_conv3)

    with tf.name_scope('conv4'):
        _conv4 = conv2d(_conv3, _weights['wc4'], _biases['bc4'])
        print_activations(_conv4)

    with tf.name_scope('conv5'):
        _conv5 = conv2d(_conv4, _weights['wc5'], _biases['bc5'])
        print_activations(_conv5)

    with tf.name_scope('pool3'):
        _pool3 = max_pool(_conv5)
        print_activations(_pool3)

    _densel = tf.reshape(_pool3, [-1, _weights['wd1'].get_shape().as_list()[0]])  # 定義全連接層的輸入,把pool2的輸出做一個reshape,變為向量的形式

    # pool_shape = _pool3.get_shape().as_list()
    # nodes = pool_shape[1] * pool_shape[2] * pool_shape[3]

    with tf.name_scope('fc1'):
        _fc1 = fc(_densel, _weights['wd1'], _biases['bd1'])
        _fc1_drop = tf.nn.dropout(_fc1, _keep_prob) # 為瞭減輕過擬合,使用Dropout層
        print_activations(_fc1_drop)

    with tf.name_scope('fc2'):
        _fc2 = fc(_fc1_drop, _weights['wd2'], _biases['bd2'])
        _fc2_drop = tf.nn.dropout(_fc2, _keep_prob)
        print_activations(_fc2_drop)

    with tf.name_scope('out'):
        _out = tf.add(tf.matmul(_fc2_drop, _weights['wd3']), _biases['bd3'])
        print_activations(_out)

    return _out
print("CNN READY")

x = tf.placeholder(tf.float32, [None, n_input]) # 用placeholder先占地方,樣本個數不確定為None
y = tf.placeholder(tf.float32, [None, n_output]) # 用placeholder先占地方,樣本個數不確定為None
keep_prob = tf.placeholder(tf.float32)

# 存儲所有的網絡參數
weights = {
    # 使用截斷的正態分佈(標準差0.1)初始化卷積核的參數kernel,卷積核大小為3*3,channel為1,個數64
    'wc1': tf.Variable(tf.truncated_normal([3, 3, 1, 64], dtype=tf.float32, stddev=0.1), name='weights1'),
    'wc2': tf.Variable(tf.truncated_normal([3, 3, 64, 128], dtype=tf.float32, stddev=0.1), name='weights2'),
    'wc3': tf.Variable(tf.truncated_normal([3, 3, 128, 256], dtype=tf.float32, stddev=0.1), name='weights3'),
    'wc4': tf.Variable(tf.truncated_normal([3, 3, 256, 256], dtype=tf.float32, stddev=0.1), name='weights4'),
    'wc5': tf.Variable(tf.truncated_normal([3, 3, 256, 128], dtype=tf.float32, stddev=0.1), name='weights5'),
    'wd1': tf.Variable(tf.truncated_normal([4*4*128, 1024], dtype=tf.float32, stddev=0.1), name='weights_fc1'),
    'wd2': tf.Variable(tf.random_normal([1024, 1024], dtype=tf.float32, stddev=0.1), name='weights_fc2'),
    'wd3': tf.Variable(tf.random_normal([1024, n_output], dtype=tf.float32, stddev=0.1), name='weights_output')
}
biases = {
    'bc1': tf.Variable(tf.constant(0.0, shape=[64], dtype=tf.float32), trainable=True, name='biases1'),
    'bc2': tf.Variable(tf.constant(0.0, shape=[128], dtype=tf.float32), trainable=True, name='biases2'),
    'bc3': tf.Variable(tf.constant(0.0, shape=[256], dtype=tf.float32), trainable=True, name='biases3'),
    'bc4': tf.Variable(tf.constant(0.0, shape=[256], dtype=tf.float32), trainable=True, name='biases4'),
    'bc5': tf.Variable(tf.constant(0.0, shape=[128], dtype=tf.float32), trainable=True, name='biases5'),
    'bd1': tf.Variable(tf.constant(0.0, shape=[1024], dtype=tf.float32), trainable=True, name='biases_fc1'),
    'bd2': tf.Variable(tf.constant(0.0, shape=[1024], dtype=tf.float32), trainable=True, name='biases_fc2'),
    'bd3': tf.Variable(tf.constant(0.0, shape=[n_output], dtype=tf.float32), trainable=True, name='biases_output')
}

pred = alex_net(x, weights, biases, keep_prob) # 前向傳播的預測值
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(pred, y)) # 交叉熵損失函數,參數分別為預測值_pred和實際label值y,reduce_mean為求平均loss
optm = tf.train.AdamOptimizer(learning_rate=learning_rate).minimize(cost) # 梯度下降優化器
corr = tf.equal(tf.argmax(pred, 1), tf.argmax(y, 1)) # tf.equal()對比預測值的索引和實際label的索引是否一樣,一樣返回True,不一樣返回False
accuracy = tf.reduce_mean(tf.cast(corr, tf.float32)) # 將pred即True或False轉換為1或0,並對所有的判斷結果求均值
# 初始化所有參數
init = tf.global_variables_initializer()
print("FUNCTIONS READY")

# 上面神經網絡結構定義好之後,下面定義一些超參數
training_epochs = 1000 # 所有樣本迭代1000次
batch_size = 1 # 每進行一次迭代選擇50個樣本
display_step = 10

sess = tf.Session() # 定義一個Session
sess.run(init) # 在sess裡run一下初始化操作
for epoch in range(training_epochs):
    avg_cost = 0.
    total_batch = int(mnist.train.num_examples/batch_size)
    start_time = time.time()
    for i in range(total_batch):
        batch_xs, batch_ys = mnist.train.next_batch(batch_size) # 逐個batch的去取數據
        # 獲取批數據
        sess.run(optm, feed_dict={x: batch_xs, y: batch_ys, keep_prob:dropout})
        avg_cost += sess.run(cost, feed_dict={x: batch_xs, y: batch_ys, keep_prob:1.0})/total_batch
    if epoch % display_step == 0:
        train_accuracy = sess.run(accuracy, feed_dict={x: batch_xs, y: batch_ys, keep_prob: 1.0})
        test_accuracy = sess.run(accuracy, feed_dict={x: mnist.test.images, y: mnist.test.labels, keep_prob:1.0})
        print("Epoch: %03d/%03d cost: %.9f TRAIN ACCURACY: %.3f TEST ACCURACY: %.3f" % (epoch, training_epochs, avg_cost, train_accuracy, test_accuracy))
    # 計算每輪迭代的平均耗時mn和標準差sd,並顯示
    duration = time.time() - start_time
    print('%s: step %d, duration = %.3f' % (datetime.now(), epoch, duration))

print("DONE")


本文參考《TensorFlow實戰》黃文堅 唐源 著

以上就是TensorFlow卷積神經網絡AlexNet實現示例詳解的詳細內容,更多關於TensorFlow卷積神經網絡AlexNet的資料請關註WalkonNet其它相關文章!

推薦閱讀: