深度学习——含并行连接的网络（GoogLeNet）

---

前言

上篇文章中学习了NIN，而GoogLeNet吸收了NIN中串联网络的思想，并在此基础上做了改进。该论文中的一个观点是：有时使用不同大小的卷积核组合是有利的。

参考书：
《动手学深度学习》

---

一、Inception块

在GoogLeNet中，基本的卷积块被称为Inception块（Inception block）。

如图所示，Inception块由四条并行路径组成。

1. 前三条路径使用窗口大小为$1\times 1$、$3\times 3$和$5\times 5$的卷积层，从不同空间大小中提取信息。
2. 中间的两条路径在输入上执行$1\times 1$卷积，以减少通道数，从而降低模型的复杂性。
3. 第四条路径使用$3\times 3$最大汇聚层，然后使用$1\times 1$卷积层来改变通道数。
4. 这四条路径都使用合适的填充来使输入与输出的高和宽一致，最后我们将每条线路的输出在通道维度上连结，并构成Inception块的输出。
5. 在Inception块中，通常调整的超参数是每层输出通道数。

import torch
from torch import nn
from d2l import torch as d2l
from torch.nn import functional as F
class Inception(nn.Module):
    #c1--c4是每条路径的输出通道数
    def __init__(self,in_channels,c1,c2,c3,c4,**kwargs):
        super(Inception,self).__init__(**kwargs) #直接实例化Inception类
        #路径1，单1×1卷积层
        self.p1_1 = nn.Conv2d(in_channels,c1,kernel_size=1)
        #路径2，1×1卷积层后接3×3卷积层
        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)
        #路径3，1×1卷积层后接5×5卷积层
        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)
        #路径4，3×3最大汇聚层后接1×1卷积层
        self.p4_1 = nn.MaxPool2d(kernel_size=3,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)))
        #在通道维度上连接输出
        return torch.cat((p1,p2,p3,p4),dim=1)

二、GoogLeNet模型

如图所示，GoogLeNet一共使用9个Inception块和全局平均汇聚层的堆叠来生成其估计值。Inception块之间的最大汇聚层可降低维度。 第一个模块类似于AlexNet和LeNet，Inception块的组合从VGG继承，全局平均汇聚层避免了在最后使用全连接层。

我们逐一实现GoogLeNet的每个模块：

第一个模块使用64个通道、7×7卷积层

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)
)

第二个模块使用两个卷积层：第一个卷积层是64个通道、1×1卷积层；第二个卷积层使用将通道数量增加三倍的3×3卷积层。

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)
)

第三个模块串联两个完整的Inception块。 第一个Inception块的输出通道数为64+128+32+32=256，第二个和第三个路径首先将输入通道的数量分别减少到96/192=1/2和16/192=1/12，然后连接第二个卷积层
第二个Inception块的输出通道数增加到128+192+96+64=480，第二条和第三条路径首先将输入通道的数量分别减少到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)
)

第四个模块串联了5个Inception块，其输出通道数分别是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

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)
)

第五模块包含输出通道数为256+320+128+128=832和384+384+128+128=1024的两个Inception块。
第五模块的后面紧跟输出层，该模块同NiN一样使用全局平均汇聚层，将每个通道的高和宽变成1。 最后我们将输出变成二维数组

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()
)

将前面5个模块连接，最后再接上一个输出个数为标签类别数的全连接层。

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

三、训练模型

#查看各个模块输出的形状
X = torch.rand(size=(1,1,96,96))
for layer in net :
    X = layer(X)
    print(layer.__class__.__name__,"输出形状为：\t",X.shape)

#训练模型
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())
d2l.plt.show()

结果：

---

总结

1. Inception块相当于一个有4条路径的子网络。它通过不同窗口形状的卷积层和最大汇聚层来并行抽取信息，并使用1×1卷积层减少每像素级别上的通道维数从而降低模型复杂度。
2. GoogLeNet将多个设计精细的Inception块与其他层（卷积层、全连接层）串联起来。其中Inception块的通道数分配之比是在ImageNet数据集上通过大量的实验得来的。
3. GoogLeNet和它的后继者们一度是ImageNet上最有效的模型之一：它以较低的计算复杂度提供了类似的测试精度。

以正治国，以奇用兵，以无事取天下。

–2023-10-14 进阶篇