1. 经典神经网络（LeNet）

LeNet是早期成功的神经网络；
先使用卷积层来学习图片空间信息
然后使用全连接层来转到到类别空间

【通过在卷积层后加入激活函数，可以引入非线性、增加模型的表达能力、增强稀疏性和解决梯度消失等问题，从而提高卷积神经网络的性能和效果】

LeNet由两部分组成：卷积编码器和全连接层密集块

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

class Reshape(torch.nn.Module):
    def forward(self, x):
        return x.view(-1, 1, 28, 28) # 批量数不变，通道数=1，h=28, w=28

net = torch.nn.Sequential(Reshape(), 
                          nn.Conv2d(1, 6, kernel_size=5, padding=2), nn.Sigmoid(), # 在卷积后加激活函数，填充是因为原始处理数据是32*32
                          nn.AvgPool2d(kernel_size=2, stride=2), # 池化层
                          nn.Conv2d(6, 16, kernel_size=5), nn.Sigmoid(),
                          nn.AvgPool2d(kernel_size=2, stride=2), 
                          nn.Flatten(), # 将4D结果拉成向量
                          # 相当于两个隐藏层的MLP
                          nn.Linear(16 * 5 * 5, 120), nn.Sigmoid(),
                          nn.Linear(120, 84), nn.Sigmoid(), 
                          nn.Linear(84, 10))

检查模型

X = torch.rand(size=(1, 1, 28, 28), dtype=torch.float32)
for layer in net:
    X = layer(X) 
    """
    对神经网络 net 中的每一层进行迭代，并打印每一层的输出形状
    layer.__class__.__name__ 是获取当前层的类名，即层的类型
    """
    print(layer.__class__.__name__, 'output shape: \t', X.shape)

LeNet在Fashion-MNIST数据集上的表现

batch_size = 256
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size=batch_size)

# 对evaluate_accuarcy函数进行轻微的修改
def evaluate_accuracy_gpu(net, data_iter, device=None):  
    """使用GPU计算模型在数据集上的精度。"""
    if isinstance(net, torch.nn.Module):
        net.eval()
        if not device:
            device = next(iter(net.parameters())).device
    metric = d2l.Accumulator(2)
    for X, y in data_iter:
        if isinstance(X, list):
            X = [x.to(device) for x in X]
        else:
            X = X.to(device)
        y = y.to(device)
        metric.add(d2l.accuracy(net(X), y), y.numel())
    return metric[0] / metric[1]  # 分类正确的个数 / 总个数

【
net.to(device) 是将神经网络 net 中的所有参数和缓冲区移动到指定的设备上进行计算的操作。

net 是一个神经网络模型。device 是指定的设备，可以是 torch.device 对象，如 torch.device(‘cuda’) 表示将模型移动到 GPU 上进行计算，或者是字符串，如 ‘cuda:0’ 表示将模型移动到指定编号的 GPU 上进行计算，也可以是 ‘cpu’ 表示将模型移动到 CPU 上进行计算。
通过调用 net.to(device)，模型中的所有参数和缓冲区将被复制到指定的设备上，并且之后的计算将在该设备上进行。这样可以利用 GPU 的并行计算能力来加速模型训练和推断过程。
注意，仅仅调用 net.to(device) 并不会对输入数据进行迁移，需要手动将输入数据也移动到相同的设备上才能与模型进行计算。例如，可以使用 input = input.to(device) 将输入数据 input 移动到指定设备上。】

# 为了使用 GPU，我们还需要一点小改动
def train_ch6(net, train_iter, test_iter, num_epochs, lr, device):
    """用GPU训练模型(在第六章定义)。"""
    def init_weights(m): # 初始化权重
        if type(m) == nn.Linear or type(m) == nn.Conv2d: 
            nn.init.xavier_uniform_(m.weight)

    net.apply(init_weights) # 对整个网络应用初始化
    print('training on', device)
    net.to(device) # 将神经网络 net 中的所有参数和缓冲区移动到指定的设备上进行计算的操作
    optimizer = torch.optim.SGD(net.parameters(), lr=lr) # 定义优化器
    loss = nn.CrossEntropyLoss() # 定义损失函数
    # 动画效果
    animator = d2l.Animator(xlabel='epoch', xlim=[1, num_epochs],
                            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) # metric被初始化为存储3个指标值的累加器
        net.train()
        for i, (X, y) in enumerate(train_iter):
            timer.start()
            optimizer.zero_grad()
            # 将输入输出数据也移动到相同的设备
            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[2]
            train_acc = metric[1] / metric[2]
            # 动画效果
            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)}')

训练和评估LeNet-5模型

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

2. 深度卷积神经网络（AlexNet）

AlexNet架构 VS LeNet：
更大的核窗口和步长，因为图片更大了
更大的池化窗口，使用maxpooling
更多的输出通道
添加了3层卷积层
更多的输出

更多细节：

• 激活函数从sigmod变成了Rel（减缓梯度消失)
• 隐藏全连接层后加入了丢弃层dropout
• 数据增强

总结：

• AlexNet是更大更深的LeNet，处理的参数个数和计算复杂度大幅度提升
• 新加入了丢弃法,ReLU激活函数，最大池化层和数据增强

代码实现：

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

net = nn.Sequential(
    nn.Conv2d(1, 96, kernel_size=11, stride=4, padding=1), nn.ReLU(), # 在MNIST输入通道是1，在ImageNet测试集上输入为3
    nn.MaxPool2d(kernel_size=3, stride=2),
    nn.Conv2d(96, 256, kernel_size=5, padding=2), nn.ReLU(), # 相比于LeNet将激活函数改为ReLU
    nn.MaxPool2d(kernel_size=3, stride=2),
    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(), # 将4D->2D
    nn.Linear(6400, 4096), nn.ReLU(), nn.Dropout(p=0.5), # 添加丢弃
    nn.Linear(4096, 4096), nn.ReLU(), nn.Dropout(p=0.5),
    nn.Linear(4096, 10)) # 在Fashion-MNIST上做测试所以输出为10

# 构造一个单通道数据，来观察每一层输出的形状
X = torch.randn(1, 1, 224, 224)
for layer in net:
    X = layer(X)
    print(layer.__class__.__name__, 'Output shape:\t', X.shape)

# Fashion-MNIST图像的分辨率低于ImageNet图像，所以将其增加到224x224
batch_size = 128
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size, resize=224)
# 训练AlexNet
lr, num_epochs = 0.01, 10
d2l.train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu())

3. 使用块的网络（VGG）

3.1 VGG相关

VGG的引出：

• AlexNet比LeNet更深更大，取得了更好的精度
• 能不能更深更大？
  • 更多的全连接层（太贵）
  • 更多的卷积层
  • 将卷积层组合成块 -> VGG

VGG块：

• 深VS宽

  • 在同样的计算开销下，堆多一点的3x3的卷积层（模型更深但是窗口更窄）相比于5x5的Conv效果更好

• 3x3卷积（填充1【保持输入输出大小不变】）（n层【Conv层数】，m通道【Conv输入输出通道数】）

• 2x2 Maxpooling（步幅2）

核心：用大量3x3conv+池化 -> 堆成块，大量的块 -> 网络

VGG架构：

• 多个VGG块后连接全连接层
• 不同次数的重复块得到不同的架构：VGG-16, VGG-19
• 实际上就是把AlexNet的卷积层架构替换成了VGG块的串联

网络发展的进度：

• LeNet（1995）

  • 2卷积 + 池化
  • 2 全连接层

• AlexNet

  • 更大更深
  • ReLU，Dropout，数据增强
  • 快 / 精度不高

• VGG

  • 更大更深更规整的AlexNet（重复的VGG块）
  • 慢 / 精度高 / 占用内存高 / 可通过调节块的数量改变

VGG总结：

• VGG使用可重复使用的卷积块来构建深度卷积神经网络
• 不同的卷积块个数和超参数可以得到不同复杂度的变种

3.2 代码实现

【layers = [] 是创建一个空的列表 layers。

layers 是一个列表对象，用于存储神经网络的层。
通过 layers = []，我们创建了一个空的列表，可以在后续的代码中向其中添加层。这种方式通常用于构建神经网络模型，可以方便地按顺序添加和管理不同层的参数和计算过程。

示例用法如下：

layers = []

# 添加层到列表中
layers.append(nn.Linear(10, 20))
layers.append(nn.ReLU())
layers.append(nn.Linear(20, 1))

# 使用列表构建神经网络模型
model = nn.Sequential(*layers)

在这个例子中，我们先创建一个空的列表 layers，然后按顺序向其中添加线性层、ReLU激活函数层和线性层。最后，我们使用 nn.Sequential 将列表中的层按顺序组合成一个神经网络模型 model。这种方式可以灵活地扩展和管理模型中的不同层。】
vgg块：通道加倍， 高宽减半

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

def vgg_block(num_convs, in_channels, out_channels): # 超参数：卷积层数，输入输出通道数
    layers = [] # 创建一个空的列表 layers
    for _ in range(num_convs):
        layers.append(nn.Conv2d(in_channels, out_channels, kernel_size=3, padding=1))
        layers.append(nn.ReLU())
        in_channels = out_channels
    layers.append(nn.MaxPool2d(kernel_size=2, stride=2)) # 经过一次池化， 高宽减半
    return nn.Sequential(*layers)

vgg-11 它有5个卷积块，前2块使用单卷积层，而后3块使用双卷积层

conv_arch = ((1, 64), (1, 128), (2, 256), (2, 512), (2, 512)) # 给出不同块的结构

def vgg(conv_arch):
    conv_blks = []
    in_channels = 1
    for (num_convs, out_channels) in conv_arch: # 构造出每一块
        conv_blks.append(vgg_block(num_convs, in_channels, out_channels))
        in_channels = out_channels
    return nn.Sequential(
        *conv_blks, nn.Flatten(),
        nn.Linear(out_channels * 7 * 7, 4096), nn.ReLU(), # 输入宽度=  通道数 * 最后输出矩阵的大小是7 * 7， 因为之前经过5次块的池化，224 - 112 - 56- 28 - 15 - 7 
        nn.Dropout(0.5), nn.Linear(4096, 4096), nn.ReLU(),
        nn.Dropout(0.5), nn.Linear(4096, 10) )
    
net = vgg(conv_arch)

# 观察每个层输出的形状
X = torch.randn(size=(1, 1, 224, 224))
for blk in net:
    X = blk(X)
    print(blk.__class__.__name__, 'output shape:\t', X.shape)

由于后续模型太深，GPU跑不动哈，有点尴尬，但不多
还是给出测试过程：

# 由于VGG-11比AlexNet计算量更大，因此我们构建了一个通道数较少的网络
ratio = 4
small_conv_arch = [(pair[0], pair[1] // ratio) for pair in conv_arch]
net = vgg(small_conv_arch)

lr, num_epochs, batch_size = 0.05, 10, 128
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size, resize=224)
d2l.train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu())

4. 网络中的网络（NiN）

4.1 NiN相关

问题引出：LeNet、AlexNet、VGG都存在问题—全连接层参数过多

• 全连接层的参数过多：占用参数空间\占用内存大\占用带宽，容易过拟合
• 于此对比，卷积层需要较少的参数：输入通道数x输出通道数x h x w

思路：

NiN块：

• 一个卷积层后跟着两个’全连接层‘【用1x1卷积层代替全连接层】
  • 步幅1，无填充，输出形状和卷积层输出一样
  • 1x1卷积层起到全连接层的作用

1x1 Convolution:

NiN架构：

• 无全连接层
• 交替使用NiN块和步幅为2的最大池化层（高宽减半）
  • 逐步减小高宽和增大通道数
• 最后使用全局平均池化层【全局平均化在每个通道上】得到输出
  • 其输入通道数是类别数
  • 最后使用softmax返回概率
    

总结：

• NiN块使用卷积层后加两个1x1卷积层【充当全连接层】
  • 对每个像素增加了非线性
• NiN使用全局平均池化层来替代VGG和AlexNet中的全连接层【最后输出类别的那层】
  • 不容易过拟合，同时卷积层有更少的参数个数

4.2 NiN实现

NiN块：

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

def nin_block(in_channels, out_channels, kernel_size, strides, padding):
    return nn.Sequential(
        nn.Conv2d(in_channels=in_channels, out_channels=out_channels, kernel_size=kernel_size, stride=strides,padding=padding),
        nn.ReLU(), nn.Conv2d(out_channels, out_channels, kernel_size=1), # 1x1卷积层相当于Linear,不改变通道数，输入输出通道数相同
        nn.ReLU(), nn.Conv2d(out_channels, out_channels, kernel_size=1),
        nn.ReLU()
    )

NiN模型 ->基于AlexNet架构

net = nn.Sequential(
        nin_block(1, 96, kernel_size=11, strides=4, padding=0), # 使用的是灰度图，所以输入通道数是1（使用Fashion-MNSIT数据集测试），后面参数继承自AlexNet
        nn.MaxPool2d(3, stride=2),
        nin_block(96, 256, kernel_size=5, strides=1, padding=2),
        nn.MaxPool2d(3, stride=2),
        nin_block(256, 384, kernel_size=3, strides=1, padding=1),
        nn.MaxPool2d(3, stride=2), 
        nn.Dropout(0.5),
        nin_block(384, 10, kernel_size=3, strides=1, padding=1), # 把通道数降到10，因为输出类别是10，如果使用别的数据集要修改输出通道数
        nn.AdaptiveAvgPool2d((1, 1)), # 做全局平均池化层，把每个通道的平均值拿出来-> 替代原来的输出类别的全连接层
        nn.Flatten() # 消除最后两个维度，将4D->2D， 方便后期Softmax
    )

查看每个块的输出形状：

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

训练模型：
训练时间过长，中断了哈，总体的准确率比VGG低，且处理图片数较少

lr, num_epochs, batch_size = 0.1, 10, 128
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size, resize=224)
d2l.train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu())

5. 含并行连结的网络（GoogLeNet）

5.1 GoogLeNet相关

Inception块：

• 从4个路径从不同层面抽取信息，然后在输出通道维合并
• 和单纯使用单独3X3和5X5卷积层相比，Inception块有更少的参数个数和计算复杂度，关键是增加多样性（多种卷积）和降低参数
  
  输入输出高宽不变，只有通道数发生变化

GoogLeNet：

• 5段， 9个Inception块，每个块的参数有所不同
• 最后的全局平均池化，不强求最后的通道数==类别数（NiN要求），更灵活
  
  段1/2:
• 更小的窗口，更多的通道
  h/w保留更多，后续可以支撑更深的网络

Inception有各种后续变种

Inception V3块，段3， 把原来5x5卷积替换成两个3X3卷积：

Inception V3块，段4， 把原本3X3卷积替换成两个1X7和7X1卷积
把原本5X5卷积替换成4个卷积

Inception V3块，段5，把原本3X3卷积替换成两个3X1和1X3卷积，把原本5X5卷积替换成三个卷积

总结：

• Inception块使用4条有不同超参数的卷积层和池化层的路来抽取不同的信息

  • 它的一个主要优点是模型参数小，计算复杂度低

• GoogLeNet使用了9个Inception块，是第一个达到上百层的网络，参数复杂

  • 后续有一系列改进

• 在结构上类似VGG块的概念和NiN的最后全局池化和替换全连接

5.1 代码实现