深度學習——LeNet卷積神經網路初探

Tatsukyou發表於2024-03-13
深度學習卷積神經網路

LeNet--卷積神經網路初探

模型介紹：

image

簡單介紹： 從網路結構可以看出LeNet對於現在的大模型來說是一個非常小的神經網路，他一共由7個層順序連線組成。分別是卷積層、pooling層、卷積層、pooling層和三個全連線層。用現代的深度學習框架來實現程式碼如下：

程式碼實現和解讀：

net = nn.Sequential(
    nn.Conv2d(1, 6, kernel_size=5, padding=2), nn.Sigmoid(),
    nn.AvgPool2d(kernel_size=2, stride=2),
    nn.Conv2d(6, 16, kernel_size=5), nn.Sigmoid(),
    nn.AvgPool2d(kernel_size=2, stride=2), nn.Flatten(),
    nn.Linear(16 * 5 * 5, 120), nn.Sigmoid(),
    nn.Linear(120, 84), nn.Sigmoid(),
    nn.Linear(84, 10))

解讀： 這一部分是有關網路的定義，可以看出網路的基本層實現都呼叫了torch的庫，sigmoid() 函式的作用是：讓網路中各層疊加後不會坍縮，因為引入了非線性函式。我們來輸出一下網路的各層的結構。

X = torch.rand(size=(1, 1, 28, 28), dtype=torch.float32)

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

Conv2d output shape: 	: torch.Size([1, 6, 28, 28])
Sigmoid output shape: 	: torch.Size([1, 6, 28, 28])
AvgPool2d output shape: : torch.Size([1, 6, 14, 14])
Conv2d output shape: 	: torch.Size([1, 16, 10, 10])
Sigmoid output shape: 	: torch.Size([1, 16, 10, 10])
AvgPool2d output shape: : torch.Size([1, 16, 5, 5])
Flatten output shape: 	: torch.Size([1, 400])
Linear output shape: 	: torch.Size([1, 120])
Sigmoid output shape: 	: torch.Size([1, 120])
Linear output shape: 	: torch.Size([1, 84])
Sigmoid output shape: 	: torch.Size([1, 84])
Linear output shape: 	: torch.Size([1, 10])

接下來我們利用沐神的d2l包中的資料集準備函式來下載MNIST資料集。

def evaluate_accuracy_gpu(net, data_iter, device=None):
    if isinstance(net, nn.Module):  # * 判斷變數的型別
        net.eval()          
        #? 將網路設定為評估模式, 在此模式下，net會關閉一些特定的訓練技巧以確保網路的行為和訓練時一致
        if not device:
            device = next(iter(net.parameters())).device
    metric = d2l.Accumulator(2)
    with torch.no_grad():
        for X, y in data_iter:
            if isinstance(X, list):
                X = [x.to(device) for x in X]
            else:
                X = X.to(device)  # * .to(device)是為了將資料送至指定的裝置上進行計算
            y = y.to(device)
            metric.add(d2l.accuracy(net(X), y), y.numel())
    return metric[0] / metric[1]  # * 這裡返回的是預測精度

以上的這段程式碼的關鍵步驟是執行了.to(device)操作，上述方法作用的呼叫可用的GPU進行加速運算。

接下來這段程式碼是對net執行訓練的方法定義：

def train_ch6(net, train_iter, test_iter, num_epochs, lr, device):
    def init_weights(m):
        if type(m) == nn.Linear or type(m) == nn.Conv2d:
            nn.init.xavier_uniform_(m.weight)  # ? 初始化引數
            
    net.apply(init_weights)
    print('training on', device)
    net.to(device)
    optimizer = torch.optim.SGD(net.parameters(), lr=lr)
    loss = nn.CrossEntropyLoss()  # ? 交叉熵損失函式
    animator = d2l.Animator(xlabel='epoch', xlim=[3, num_epochs], ylim=[0, 2],legend=['train loss', 'train acc', 'test acc'])
    timer, num_batches = d2l.Timer(), len(train_iter)
    for epoch in range(num_epochs):
        metric = d2l.Accumulator(3)
        net.train()  # ? 將網路設定為訓練模式
        for i, (X, y) in enumerate(train_iter):  # ? enumerate會返回索引同時返回對應迭代次數時的元素
            optimizer.zero_grad()
            X, y = X.to(device), y.to(device)
            y_hat = net(X)
            l = loss(y_hat, y)
            l.backward()
            optimizer.step()
            with torch.no_grad():
                metric.add(l * X.shape[0], d2l.accuracy(y_hat, y), X.shape[0])
            timer.stop()
            train_l = metric[0] / metric[1]
            train_acc = metric[1] / metric[2]
            if (i + 1) % (num_batches // 5) == 0 or i == num_batches - 1:
                animator.add(epoch + (i + 1) / num_batches, (train_l, train_acc, None))
        test_acc = evaluate_accuracy_gpu(net, test_iter)
        animator.add(epoch + 1, (None, None, test_acc))
    print(f'loss {train_l:.3f}, train acc {train_acc:.3f}, ' f'test acc {test_acc:.3f}')
    print(f'{metric[2]*num_epochs / timer.sum():.1f} examples/sec ' f'on {str(device)}')

這段程式碼非常的長，我們將其分為幾個部分來進行解讀：

首先：

def init_weights(m):
    if type(m) == nn.Linear or type(m) == nn.Conv2d:
        nn.init.xavier_uniform_(m.weight)  # ? 初始化引數
            
    net.apply(init_weights)

這一段摘要做的是網路所有引數的初始化。

其次：

print('training on', device)
net.to(device)
optimizer = torch.optim.SGD(net.parameters(), lr=lr)
loss = nn.CrossEntropyLoss()  # ? 交叉熵損失函式
animator = d2l.Animator(xlabel='epoch', xlim=[3, num_epochs], ylim=[0, 2],legend=['train loss', 'train acc', 'test acc'])
timer, num_batches = d2l.Timer(), len(train_iter)

這一段主要是定義了網路訓練和結果視覺化的必要變數，並將網路放在GPU上進行執行。

接下來：

for epoch in range(num_epochs):
    metric = d2l.Accumulator(3)
    net.train()  # ? 將網路設定為訓練模式
    for i, (X, y) in enumerate(train_iter):  # ? enumerate會返回索引同時返回對應迭代次數時的元素
        optimizer.zero_grad()
        X, y = X.to(device), y.to(device)
        y_hat = net(X)
        l = loss(y_hat, y)
        l.backward()
        optimizer.step()
        with torch.no_grad():
            metric.add(l * X.shape[0], d2l.accuracy(y_hat, y), X.shape[0])
        timer.stop()
        train_l = metric[0] / metric[1]
        train_acc = metric[1] / metric[2]
        if (i + 1) % (num_batches // 5) == 0 or i == num_batches - 1:
            animator.add(epoch + (i + 1) / num_batches, (train_l, train_acc, None))
    test_acc = evaluate_accuracy_gpu(net, test_iter)
    animator.add(epoch + 1, (None, None, test_acc))

這一部分是最重要的訓練部分：前向傳導、計算損失、對損失進行反向傳導並計算梯度、根據梯度來更新引數。對每一個樣本都進行上述的基本過程。

剩下的部分就是對訓練的中間過程進行適當的輸出。

lr, num_epochs = 0.9, 10
train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu())

這段程式碼描述的是網路訓練器使用的過程。根據上述引數定義，得到的訓練結果如下圖：

image

模型區域性最最佳化：

接下來，我想做的是，利用迴圈和結果視覺化來找到這個模型下的區域性最優超引數。

相關文章