Pytorch 含并行连结的网络 GoogLeNet

0. 环境介绍

环境使用 Kaggle 里免费建立的 Notebook

教程使用李沐老师的动手学深度学习网站和视频讲解

小技巧：当遇到函数看不懂的时候可以按 Shift+Tab 查看函数详解。

1. GoogLeNet

1.1 简介

GoogLeNet 吸收了 NiN 中串联网络的思想，并在此基础上做了改进。这篇论文的一个重点是解决了什么样大小的卷积核最合适的问题。GoogLeNet 的一个观点是，有时使用不同大小的卷积核组合是有利的。

GoogLeNet 论文地址：https://arxiv.org/abs/1409.4842

1.2 GoogLeNet 结构

在GoogLeNet 中，基本的卷积块被称为 Inception 块（Inception block）。这很可能得名于电影《盗梦空间》（Inception），因为电影中的一句话“我们需要走得更深”（“We need to go deeper”）。

Inception 块（小学生才做选择，我全都要）：

4 个路径从不同层面抽取信息，然后在输出通道维合并
使用不同窗口大小的卷积层
$\times 1$ 的卷积块只抽取通道信息，不抽取空间信息
每条路上通道数可能不同

在这里插入图片描述
Inception 块跟单 $\times 3$ 和 $\times 5$ 的卷积层相比有更少的参数个数和设计复杂度。

注：问为什么这么设计？调出来的！😂

GoogLeNet 简化版本：
在这里插入图片描述
$5$ 段， $9$ 个 Inception 块。
段 $1, 2$ ：

更小的宽口
更多的通道

段 $3$ ：
在这里插入图片描述
段 $4, 5$ ：

1.3 Inception 后续变种

Inception-BN(V2)：使用了 batch normalization
Inception-V3：修改了 Inception 块

替换 $\times 5$ 为多个 $\times 3$ 卷积层
替换 $\times 5$ 为 $\times 7$ 和 $\times 1$ 卷积层
替换 $\times 5$ 为 $\times 3$ 和 $\times 1$ 卷积层
更深
Inception-V4：使用残差连接

2. 代码实现

2.1 Inception 块

!pip install -U d2l
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)))
        # 在通道维度上连接输出
        return torch.cat((p1, p2, p3, p4), dim=1)

2.2 GoogLeNet 网络结构

第一个模块使用 $64$ 个通道、 $\times 7$ 卷积层：
在这里插入图片描述

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))

第二个模块使用两个卷积层：第一个卷积层是 $64$ 个通道、 $\times 1$ 卷积层；第二个卷积层使用将通道数量增加三倍的 $\times 3$ 卷积层：
在这里插入图片描述

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 Inception 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 Inception 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 $128 : 192 : 96 : 64 = 4 : 6 : 3 : 2$ ：
在这里插入图片描述

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：

$192 + 208 + 48 + 64 = 512$
$160 + 224 + 64 + 64 = 512$
$128 + 256 + 64 + 64 = 512$
$112 + 288 + 64 + 64 = 528$
$256 + 320 + 128 + 128 = 832$

在这里插入图片描述

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 Inception 块，后面紧跟输出层，该模块同 NiN 一样使用全局平均池化层，将每个通道的高和宽变成 $1$ 。最后我们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：
在这里插入图片描述

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。为了使 Fashion-MNIST 上的训练短小精悍，我们将输入的高和宽从 $224$ 降到 $96$ ，这简化了计算。下面演示各个模块输出的形状变化：

X = torch.rand(size=(1, 1, 96, 96))
for layer in net:
    X = layer(X)
    print(layer.__class__.__name__,'output shape:\t', X.shape)

在这里插入图片描述

2.3 训练

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())