目录
- GoogLeNet
- Inception块
- GoogLeNet模型
- 训练模型
GoogLeNet
GoogLeNet，也称为Inception v1，是由Google团队在2014年提出的深度学习模型，它在当年的ImageNet竞赛中取得了显著的成绩。GoogLeNet的设计引入了多个创新点，包括Inception模块、辅助分类器、全局平均池化层等，这些设计使得网络在保持深度的同时减少了参数数量和计算复杂度。
Inception模块是GoogLeNet的核心，它通过并行的方式使用不同尺寸的卷积核（1x1、3x3、5x5）和最大池化层来提取特征，然后将这些特征在通道维度上进行拼接。这种设计允许网络在不同的尺度上捕捉信息，并且通过1x1卷积进行降维，有效控制了参数数量和计算量。
GoogLeNet还引入了辅助分类器，这些分类器在训练过程中提供额外的梯度信号，有助于模型的收敛，并在一定程度上提高了最终的分类性能。
此外，GoogLeNet在最后一层使用了全局平均池化层代替传统的全连接层，这不仅进一步减少了参数数量，还提高了模型的泛化能力。在输出层之前，GoogLeNet还使用了Dropout技术来防止过拟合。
GoogLeNet的网络结构设计非常灵活，可以根据不同的需求调整Inception模块中的卷积层数量和通道数。这种设计使得GoogLeNet在图像分类任务中表现出色，同时也为后续的深度学习模型设计提供了重要的参考。
在实际应用中，GoogLeNet的变种如Inception v2、Inception v3等在原有的基础上进行了进一步的优化和改进，例如引入了批量归一化（Batch Normalization）和残差连接（Residual Connections），以提高训练效率和模型性能。
本文只介绍初代版本，后续会介绍改进版本。
Inception块
如图所示，一个块由四条并行路径组成，每条路径选用大小不同的卷积层，以实现从不同空间大小中提取信息。
中间两路在输入上使用1×1卷积核，减少像素级上的通道维数。这些通路使用合适的填充，使得输出尺寸一致，最后能够在输出通道维度上合并。
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 torch.nn import functional as F
from d2l import torch as d2l
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)
# 线路1，单1x1卷积层
self.p1_1 = nn.Conv2d(in_channels, c1, kernel_size=1)
# 线路2，1x1卷积层后接3x3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)
# 线路3，1x1卷积层后接5x5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)
# 线路4，3x3最大汇聚层后接1x1卷积层
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)))
# 在通道维度上连结输出
return torch.cat((p1, p2, p3, p4), dim=1)
GoogLeNet模型
GoogleLeNet共使用9个Inception块和一个全局平均汇聚层的堆叠来生成估计值。
# 第一模块 64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))
# 第二模块 和Inception的第二条路径一样
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lnception块。第一个Inception块的输出通道数为64+128+32+32=256，四个路径之间的输出通道数量比为64:128:32:32 =2:4:1:1。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|nception块的输出通道数增加到128+192+96+64=480，四个路径之间的输出通道数量比为128:192:96:64=4:6:3:2。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。
# 第三模块
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))
第四模块更加复杂，它串联了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。
这些路径的通道数分配和第三模块中的类似，首先是含3x3卷积层的第二条路径输出最多通道，其次是仅含1x1卷积层的第一条路径，之后是含5x5卷积层的第三条路径和含3x3最大汇聚层的第四条路径。 其中第二、第三条路径都会先按比例减小通道数。这些比例在各个Inception块中都略有不同。
# 第四模块
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lnception块。其中每条路径通道数的分配思路和第三、第四模块中的一致，只是在具体数值上有所不同。 需要注意的是，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，将输出变成二维数组，再接上一个输出个数为标签类别数的全连接层。
# 第五模块
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))
GoogLeNet模型的计算复杂，而且不如VGG那样便于修改通道数。
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])
训练模型
使用Fashion-MNIST数据集来训练我们的模型。
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())
· 本文使用了d2l包，这极大地减少了代码编辑量，需要安装d2l包才能运行本文代码
封面图片来源
欢迎点击我的主页查看更多文章。
本人学习地址https://zh-v2.d2l.ai/
恳请大佬批评指正。
