机器学习 —— 深度学习 —— 基于DAGNN的MNIST NET

DAGNN 是Directed acyclic graph neural network 缩写，也就有向图非循环神经网络。我使用的是由MatConvNet 提供的DAGNN API。选择这套API作为工具的原因有三点，第一：这是matlab的API，相对其他语言我对Matlab比较熟悉；第二：有向图非循环的网络可以实现RPN，Network in Network 等较为复杂的功能，可以随意的引出各层的输入和输出，有利于针对三维视觉任务改造网络结构。MNIST 是手写数字的图片集，也是机器学习网络最简单的试金石。

1、定义层

 conv_layer1 = dagnn.Conv('size',single([5,5,1,30]),'hasBias',true);

 relu_layer2 = dagnn.ReLU();

 conv_layer3 = dagnn.Conv('size',single([5,5,30,16]),'hasBias',true);

 relu_layer4 = dagnn.ReLU();

 pooling_layer5 = dagnn.Pooling('poolSize',[2,2],'stride',[2 2]);

 fullConnet_layer6 = dagnn.Conv('size',single([4,4,16,256]),'hasBias',true);

 relu_layer7 = dagnn.ReLU();

 fullConnet_layer8 = dagnn.Conv('size',single([1,1,256,10]),'hasBias',true);

 SoftMat_layer9 = dagnn.SoftMax();

 Loss_layer = dagnn.Loss();

首先是利用API构造各层网络，定义网络结构类型。所有的Layer 都继承自dagnn.Layer类，子类中定义了输入输出，前向传播，反向传播的行为。

其中包括卷积层，激活层，池化层，Softmax 分类层，以及计算Loss层。值得注意的是全连接层是通过大卷积层来实现的。本质上全连接就是“输入的等尺寸卷积”。全连接层的作用是将卷积层提取的特征进行高度非线性的映射，将其映射到输出空间中。

2、定义网络

 mynet = dagnn.DagNN();

 mynet.addLayer('conv1',conv_layer1,{'input'},{'x2'},{'filters_conv1','bias_conv1'});

 mynet.addLayer('relu1',relu_layer2,{'x2'},{'x3'});

 mynet.addLayer('pool1',pooling_layer5,{'x3'},{'x4'});

 mynet.addLayer('conv2',conv_layer3,{'x4'},{'x5'},{'filters_conv2','bias_conv2'});

 mynet.addLayer('relu2',relu_layer4,{'x5'},{'x6'});

 mynet.addLayer('pool2',pooling_layer5,{'x6'},{'x7'});

 mynet.addLayer('full1',fullConnet_layer6,{'x7'},{'x8'},{'filters_fc1','bias_fc1'});

 mynet.addLayer('relu3',relu_layer7,{'x8'},{'x9'});

 mynet.addLayer('full2',fullConnet_layer8,{'x9'},{'x10'},{'filters_fc2','bias_fc2'});

 mynet.addLayer('Cls1',SoftMat_layer9,{'x10'},{'pred'});

 mynet.addLayer('Loss',Loss_layer,{'pred','label'},{'loss'});

 mynet.initParams();

 mynet.meta.inputs = {'data',[28,28,1,1]};

 mynet.meta.classes.name = {1,2,3,4,5,6,7,8,9,10};

 mynet.meta.normalization.imageSize = [28,28,1,1];

 mynet.meta.interpolation = 'bicubic';

定义网络调用了addLayer方法，与其他API的网络构建方法不同的是，DAGNN的API需要针对每层定义输入和输出，以及网络中的待求得参数。当然，作为初学者我先实现了链式网络，在下周的工作中会尝试实现Faster R-CNN。

net.addLayer('full1',fullConnet_layer6,{'x7'},{'x8'},{'filters_fc1','bias_fc1'});

以此为例，代表该层的名字是full1 , 该层的结构是fullConnect_layer6，输入为x7、输出x8，参数名为filters_fc1 和 bias_fc1。其中loss 层最为特殊，其具有来自softmax层的pred 和 label (ground truth) 两种输入。

最重要的是一定要initParams()!!!!这会生成初始参数。

3、定义数据输入函数

为了训练网络，我们需要定义一个输入函数。数据量小，可存在内存中，但当数据量大的时候全部存在内存里是不现实的，这就需要一个数据输入函数来对你定义的数据库进行操作。本例中我仅使用5000幅图片进行训练，所以可以把图片放在内存中。getBatch函数如下所示：

 function inputs = getBatch(imdb, batch)

 % --------------------------------------------------------------------

 images = imdb.images.data(:,:,:,batch) ;

 labels = imdb.images.labels(1,batch) ;

 %  images = gpuArray(images) ;

 inputs = {'input', images, 'label', labels} ;

其中 imdb 是image data base. 其中包括:

imdb.images.data 图片 W*H*C*N 的4-D single Array

imdb.images.label 标签 N*1 的 single Array

imdb.images.data_mean 图片平均值用于预处理时去中心

imdb.images.set 集合号 N*1 的 single Array，其中1 代表训练集 2 代表测试集 3 代表验证集

imdb.meta 存放类型名称等和训练关系不太密切的东西

4、开始训练

直接调用 cnn_train_dag 的API 开始对整个集合进行训练，注意getBatch 输入的是函数句柄。

cnn_train_dag(mynet,imdb_sub,@getBatch);

　　训练了30个epoch，但是learningRate好像给太高了，掉局部最小里了。。。。。。。不过结果不错，在验证集中拿到了4998/5000.