Pytorch实现AlexNet解决各类数据集(cifar10/mnist/imagenet)分类

AlexNet

完整代码地址

Why AlexNet very good?

1. 为什么Alexnet能在图2012 ImageNet LSVRC-2012 像识别(分类) competition取得这么好的成绩
2. Alexnet的网络结构以及，参数数量的计算
3. 为了避免过拟合使用的技巧：Data Augmentation(数据增强)，正则化Relu以及dropout，局部响应归一化LRN。
4. 对比了多个小的卷积核和大的卷积核的区别(前面BAT面试题)。
5. Alexnet取得成功的原因，主要三条：
   大量数据，Deep Learning领域应该感谢李飞飞团队搞出来如此大的标注数据集合ImageNet；

GPU，这种高度并行的计算神器确实助了洪荒之力，没有神器在手，Alex估计不敢搞太复杂的模型；

算法的改进，包括网络变深、数据增强、ReLU、Dropout等。

2. Alexnet网络结构以及参数数量的计算
   Alexnet网络的大体结构如下(论文以及一般的blog都是如下这个图，但是看起来很不直观)：

下面给出两个更好理解的结构图，5个卷积层+3个全连接层：

来源：stackoverflow
https://www.learnopencv.com/understanding-alexnet/

各层的参数计算如下，下图为5个卷积层的参数：

全连接层如下：

可以看到：卷积层的参数明显少于全连接层的参数。其中，网络大概有62.3 million parameters，其中卷积层占比约6%，单占比95%的计算。

3. 为了避免过拟合使用的技巧：Data Augmentation(数据增强)，正则化Relu以及dropout
4. 1 Data Augmentation(数据增强)
   数据增强简单的办法如，图片翻转Mirroring，随机裁剪Random Crops。

3. 2 使用ReLU非线性**函数
   使用ReLU非线性**函数而不选择sigmoid或tanh函数，ReLU优势在于：

速度快 和sigmoid函数需要计算指数和倒数相比，relu函数其实就是一个max(0,x)，计算代价小很多。

减轻梯度消失问题，从而可以训练更深的网络。

稀疏性 通过对大脑的研究发现，大脑在工作的时候只有大约5%的神经元是**的，而采用sigmoid**函数的人工神经网络，其**率大约是50%。有论文声称人工神经网络在15%-30%的**率时是比较理想的。因为relu函数在输入小于0时是完全不**的，因此可以获得一个更低的**率.

3. 3 使用Dropout(只在最后几个全连接层做)

为什么Dropout有效？

Dropout背后理念和集成模型很相似。在Drpout层，不同的神经元组合被关闭，这代表了一种不同的结构，所有这些不同的结构使用一个的子数据集并行地带权重训练，而权重总和为1。如果Dropout层有 n 个神经元，那么会形成 2^{n} 个不同的子结构。在预测时，相当于集成这些模型并取均值。这种结构化的模型正则化技术有利于避免过拟合。Dropout有效的另外一个视点是：由于神经元是随机选择的，所以可以减少神经元之间的相互依赖，从而确保提取出相互独立的重要特征。

3. 4 局部响应归一化LRN(Local Response Normalization)
   提出了LRN层，对局部神经元的活动创建竞争机制，使得其中响应比较大的值变得相对更大，并抑制其他反馈较小的神经元，增强了模型的泛化能力。

补充
2个33的卷积层和一个55卷积层的区别？(某BAT的一个面试题，也可以理解为多个小的卷积层和一个大的卷积层的区别)，问题来源:stackoverflow，VGG中给出了答案，如下：

多个卷积层可以增加网络的深度，从而学习更复杂的特征
2个33的卷积层的参数少于一个55卷积层的参数

code:

class AlexNet(nn.Module):
  
  def __init__(self, ngpus):
    super(AlexNet, self).__init__()
    self.ngpu = ngpus
    self.features = nn.Sequential(
      nn.Conv2d(3, 64, kernel_size=3, stride=2, padding=1),
      # raw kernel_size=11, stride=4, padding=2. For use img size 224 * 224.
      nn.ReLU(inplace=True),
      nn.MaxPool2d(kernel_size=3, stride=2),
      nn.Conv2d(64, 192, kernel_size=5, padding=2),
      nn.ReLU(inplace=True),
      nn.MaxPool2d(kernel_size=3, stride=2),
      nn.Conv2d(192, 384, kernel_size=3, padding=1),
      nn.ReLU(inplace=True),
      nn.Conv2d(384, 256, kernel_size=3, padding=1),
      nn.ReLU(inplace=True),
      nn.Conv2d(256, 256, kernel_size=3, padding=1),
      nn.ReLU(inplace=True),
      nn.MaxPool2d(kernel_size=3, stride=2),
    )
    self.classifier = nn.Sequential(
      nn.Dropout(),
      nn.Linear(256 * 1 * 1, 4096),
      nn.ReLU(inplace=True),
      nn.Dropout(),
      nn.Linear(4096, 4096),
      nn.ReLU(inplace=True),
      nn.Linear(4096, 101),
    )
  
  def forward(self, inputs):
    inputs = self.features(inputs)
    inputs = inputs.view(-1, 256 * 1 * 1)
    inputs = self.classifier(inputs)
    return F.log_softmax(inputs, dim=1)

文章引用于 FishBear_move_on
编辑 Lornatang
校准 Lornatang