vgg学习

LeNet-5是一个较简单的卷积神经网络。下图显示了其结构：输入的二维图像，先经过两次卷积层到池化层，再经过全连接层，最后使用softmax分类作为输出层。

AlexNet中包含了几个比较新的技术点，也首次在CNN中成功应用了ReLU、Dropout和LRN等Trick。同时AlexNet也使用了GPU进行运算加速。

AlexNet将LeNet的思想发扬光大，把CNN的基本原理应用到了很深很宽的网络中。AlexNet主要使用到的新技术点如下：

（1）成功使用ReLU作为CNN的激活函数，并验证其效果在较深的网络超过了Sigmoid，成功解决了Sigmoid在网络较深时的梯度弥散问题。虽然ReLU激活函数在很久之前就被提出了，但是直到AlexNet的出现才将其发扬光大。

（2）训练时使用Dropout随机忽略一部分神经元，以避免模型过拟合。Dropout虽有单独的论文论述，但是AlexNet将其实用化，通过实践证实了它的效果。在AlexNet中主要是最后几个全连接层使用了Dropout。

（3）在CNN中使用重叠的最大池化。此前CNN中普遍使用平均池化，AlexNet全部使用最大池化，避免平均池化的模糊化效果。并且AlexNet中提出让步长比池化核的尺寸小，这样池化层的输出之间会有重叠和覆盖，提升了特征的丰富性。

（4）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。

（5）使用CUDA加速深度卷积网络的训练，利用GPU强大的并行计算能力，处理神经网络训练时大量的矩阵运算。AlexNet使用了两块GTX 580 GPU进行训练，单个GTX 580只有3GB显存，这限制了可训练的网络的最大规模。因此作者将AlexNet分布在两个GPU上，在每个GPU的显存中储存一半的神经元的参数。因为GPU之间通信方便，可以互相访问显存，而不需要通过主机内存，所以同时使用多块GPU也是非常高效的。同时，AlexNet的设计让GPU之间的通信只在网络的某些层进行，控制了通信的性能损耗。 

（6）数据增强，随机地从256*256的原始图像中截取224*224大小的区域（以及水平翻转的镜像），相当于增加了2*(256-224)^2=2048倍的数据量。如果没有数据增强，仅靠原始的数据量，参数众多的CNN会陷入过拟合中，使用了数据增强后可以大大减轻过拟合，提升泛化能力。进行预测时，则是取图片的四个角加中间共5个位置，并进行左右翻转，一共获得10张图片，对他们进行预测并对10次结果求均值。同时，AlexNet论文中提到了会对图像的RGB数据进行PCA处理，并对主成分做一个标准差为0.1的高斯扰动，增加一些噪声，这个Trick可以让错误率再下降1%。

# -*- coding=UTF-8 -*-  

import tensorflow as tf  

# 输入数据  

import input_data  

mnist = input_data.read_data_sets("/tmp/data/", one_hot=True)  

# 定义网络超参数  

learning_rate = 0.001  

training_iters = 200000  

batch_size = 64  

display_step = 20  

# 定义网络参数  

n_input = 784  # 输入的维度  

n_classes = 10 # 标签的维度  

dropout = 0.8  # Dropout 的概率  

# 占位符输入  

x = tf.placeholder(tf.types.float32, [None, n_input])  

y = tf.placeholder(tf.types.float32, [None, n_classes])  

keep_prob = tf.placeholder(tf.types.float32)  

# 卷积操作  

def conv2d(name, l_input, w, b):  

    return tf.nn.relu(tf.nn.bias_add( \  

    tf.nn.conv2d(l_input, w, strides=[1, 1, 1, 1], padding='SAME'),b) \  

    , name=name)  

# 最大下采样操作  

def max_pool(name, l_input, k):  

    return tf.nn.max_pool(l_input, ksize=[1, k, k, 1], \  

    strides=[1, k, k, 1], padding='SAME', name=name)  

# 归一化操作  

def norm(name, l_input, lsize=4):  

    return tf.nn.lrn(l_input, lsize, bias=1.0, alpha=0.001 / 9.0, beta=0.75, name=name)  

# 定义整个网络   

def alex_net(_X, _weights, _biases, _dropout):  

    _X = tf.reshape(_X, shape=[-1, 28, 28, 1]) # 向量转为矩阵  

    # 卷积层  

    conv1 = conv2d('conv1', _X, _weights['wc1'], _biases['bc1'])  

    # 下采样层  

    pool1 = max_pool('pool1', conv1, k=2)  

    # 归一化层  

    norm1 = norm('norm1', pool1, lsize=4)  

    # Dropout  

    norm1 = tf.nn.dropout(norm1, _dropout)  

   

    # 卷积  

    conv2 = conv2d('conv2', norm1, _weights['wc2'], _biases['bc2'])  

    # 下采样  

    pool2 = max_pool('pool2', conv2, k=2)  

    # 归一化  

    norm2 = norm('norm2', pool2, lsize=4)  

    # Dropout  

    norm2 = tf.nn.dropout(norm2, _dropout)  

   

    # 卷积  

    conv3 = conv2d('conv3', norm2, _weights['wc3'], _biases['bc3'])  

    # 下采样  

    pool3 = max_pool('pool3', conv3, k=2)  

    # 归一化  

    norm3 = norm('norm3', pool3, lsize=4)  

    # Dropout  

    norm3 = tf.nn.dropout(norm3, _dropout)  

   

    # 全连接层，先把特征图转为向量  

    dense1 = tf.reshape(norm3, [-1, _weights['wd1'].get_shape().as_list()[0]])   

    dense1 = tf.nn.relu(tf.matmul(dense1, _weights['wd1']) + _biases['bd1'], name='fc1')   

    # 全连接层  

    dense2 = tf.nn.relu(tf.matmul(dense1, _weights['wd2']) + _biases['bd2'], name='fc2') 

    # Relu activation  

    # 网络输出层  

    out = tf.matmul(dense2, _weights['out']) + _biases['out']  

    return out  

   

# 存储所有的网络参数  

weights = {  

    'wc1': tf.Variable(tf.random_normal([3, 3, 1, 64])),  

    'wc2': tf.Variable(tf.random_normal([3, 3, 64, 128])),  

    'wc3': tf.Variable(tf.random_normal([3, 3, 128, 256])),  

    'wd1': tf.Variable(tf.random_normal([4*4*256, 1024])),  

    'wd2': tf.Variable(tf.random_normal([1024, 1024])),  

    'out': tf.Variable(tf.random_normal([1024, 10]))  

}  

biases = {  

    'bc1': tf.Variable(tf.random_normal([64])),  

    'bc2': tf.Variable(tf.random_normal([128])),  

    'bc3': tf.Variable(tf.random_normal([256])),  

    'bd1': tf.Variable(tf.random_normal([1024])),  

    'bd2': tf.Variable(tf.random_normal([1024])),  

    'out': tf.Variable(tf.random_normal([n_classes]))  

}  

# 构建模型  

pred = alex_net(x, weights, biases, keep_prob)  

# 定义损失函数和学习步骤  

cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(pred, y))  

optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate).minimize(cost)  

# 测试网络  

correct_pred = tf.equal(tf.argmax(pred,1), tf.argmax(y,1))  

accuracy = tf.reduce_mean(tf.cast(correct_pred, tf.float32))  

# 初始化所有的共享变量  

init = tf.initialize_all_variables()  

# 开启一个训练  

with tf.Session() as sess:  

    sess.run(init)  

    step = 1  

    # Keep training until reach max iterations  

    while step * batch_size < training_iters:  

        batch_xs, batch_ys = mnist.train.next_batch(batch_size)  

        # 获取批数据  

        sess.run(optimizer, feed_dict={x: batch_xs, y: batch_ys, keep_prob: dropout})  

        if step % display_step == 0:  

            # 计算精度  

            acc = sess.run(accuracy, feed_dict={x: batch_xs, y: batch_ys, keep_prob: 1.})  

            # 计算损失值  

            loss = sess.run(cost, feed_dict={x: batch_xs, y: batch_ys, keep_prob: 1.})  

            print "Iter " + str(step*batch_size) + ", Minibatch Loss= " + "{:.6f}".format(loss) + ", Training Accuracy= " + "{:.5f}".format(acc)  

        step += 1  

    print "Optimization Finished!"  

    # 计算测试精度  

    print "Testing Accuracy:", sess.run(accuracy, feed_dict={x: mnist.test.images[:256], y: mnist.test.labels[:256], keep_prob: 1.})  

 

以上代码忽略了部分卷积层，全连接层使用了特定的权重。

 

VGG是在从Alex-net发展而来的网络。主要修改一下两个方面：

1，在第一个卷基层层使用更小的filter尺寸和间隔（3*3）； 2，在整个图片和multi-scale上训练和测试图片。

3*3 filter:

引入cs231n上面一段话：

几个小滤波器卷积层的组合比一个大滤波器卷积层好：

假设你一层一层地重叠了3个3x3的卷积层（层与层之间有非线性激活函数）。在这个排列下，第一个卷积层中的每个神经元都对输入数据体有一个3x3的视野。

第二个卷积层上的神经元对第一个卷积层有一个3x3的视野，也就是对输入数据体有5x5的视野。同样，在第三个卷积层上的神经元对第二个卷积层有3x3的视野，

也就是对输入数据体有7x7的视野。假设不采用这3个3x3的卷积层，二是使用一个单独的有7x7的感受野的卷积层，那么所有神经元的感受野也是7x7，但是就有一些缺点。

首先，多个卷积层与非线性的激活层交替的结构，比单一卷积层的结构更能提取出深层的更好的特征。其次，假设所有的数据有C个通道，那么单独的7x7卷积层将会包含

7*7*C=49C2个参数，而3个3x3的卷积层的组合仅有个3*（3*3*C）=27C2个参数。直观说来，最好选择带有小滤波器的卷积层组合，而不是用一个带有大的滤波器的卷积层。前者可以表达出输入数据中更多个强力特征，

使用的参数也更少。唯一的不足是，在进行反向传播时，中间的卷积层可能会导致占用更多的内存。

 

1*1 filter: 作用是在不影响输入输出维数的情况下，对输入线进行线性形变，然后通过Relu进行非线性处理，增加网络的非线性表达能力。 Pooling：2*2，间隔s=2。

 

VGG

VGG-16和VGG-19取名源自作者所处研究组名(Visual Geometry Group)，后面的16 19代表了网络的深度。

VGG-16/VGG-19 138M参数，ILSVRC 2014的亚军网络。

VGG-16结构的基本框架

conv1^2 (64) -> pool1 -> conv2^2 (128) -> pool2 -> conv3^3 (256) -> pool3 -> conv4^3 (512) -> pool4 -> conv5^3 (512) -> pool5 -> fc6 (4096) -> fc7 (4096) -> fc8 (1000) -> softmax。 ^3代表重复3次。

网络输入的224×224的图像。

VGG网络的特点

(1). 结构简单，作者将卷积核全部替换为3×3（极少用了1×1）；相比于AlexNet 的池化核，VGG全部使用2×2的池化核。

(2). 参数量大，而且大部分的参数集中在全连接层中。网络名称中有16表示它有16层conv/fc层。

(3). 合适的网络初始化和使用批量归一(batch normalization)层对训练深层网络很重要。

(4). VGG-19结构类似于VGG-16，有略好于VGG-16的性能，但VGG-19需要消耗更大的资源，因此实际中VGG-16使用得更多。由于VGG-16网络结构十分简单，并且很适合迁移学习，因此至今VGG-16仍在广泛使用。

def VGG16(images, _dropout, n_cls):
    """
    此处权重初始化方式采用的是：
        卷积层使用预训练模型中的参数
        全连接层使用xavier类型初始化
    """
    conv1_1 = conv(images, 64, 'conv1_1', fineturn=True) #1
    conv1_2 = conv(conv1_1, 64, 'conv1_2', fineturn=True) #2
    pool1   = maxpool(conv1_2, 'pool1')
 
    conv2_1 = conv(pool1, 128, 'conv2_1', fineturn=True) #3
    conv2_2 = conv(conv2_1, 128, 'conv2_2', fineturn=True) #4
    pool2   = maxpool(conv2_2, 'pool2')
 
    conv3_1 = conv(pool2, 256, 'conv3_1', fineturn=True) #5
    conv3_2 = conv(conv3_1, 256, 'conv3_2', fineturn=True) #6
    conv3_3 = conv(conv3_2, 256, 'conv3_3', fineturn=True) #7
    pool3   = maxpool(conv3_3, 'pool3')
 
    conv4_1 = conv(pool3, 512, 'conv4_1', fineturn=True) #8
    conv4_2 = conv(conv4_1, 512, 'conv4_2', fineturn=True) #9
    conv4_3 = conv(conv4_2, 512, 'conv4_3', fineturn=True) #10
    pool4   = maxpool(conv4_3, 'pool4')
 
    conv5_1 = conv(pool4, 512, 'conv5_1', fineturn=True) #11
    conv5_2 = conv(conv5_1, 512, 'conv5_2', fineturn=True) #12
    conv5_3 = conv(conv5_2, 512, 'conv5_3', fineturn=True) #13
    pool5   = maxpool(conv5_3, 'pool5')
 
    #因为训练自己的数据，全连接层最好不要使用预训练参数
    flatten  = tf.reshape(pool5, [-1, 7*7*512])
    fc6      = fc(flatten, 4096, 'fc6', xavier=True) #14
    dropout1 = tf.nn.dropout(fc6, _dropout)
 
    fc7      = fc(dropout1, 4096, 'fc7', xavier=True) #15
    dropout2 = tf.nn.dropout(fc7, _dropout)
    
    fc8      = fc(dropout2, n_cls, 'fc8', xavier=True) #16
 
    return fc8