7.1 AlexNet · 霜庭小筑

2012年，AlexNet横空出世。它首次证明了学习到的特征可以超越手工设计的特征。它一举打破了计算机视觉研究的现状。 AlexNet使用了8层卷积神经网络，并以很大的优势赢得了2012年ImageNet图像识别挑战赛。

它的主要改进可概括为：

更大更深的LeNet，由八层组成：五个卷积层、两个全连接隐藏层和一个全连接输出层。
使用ReLU作为激活函数
使用暂退法(Dropout)
MaxPooling
使用了数据增强，如翻转、裁切和变色。这使得模型更健壮，更大的样本量有效地减少了过拟合

1
import torch
2
from torch import nn
3
from d2l import torch as d2l
4

5
net = nn.Sequential(
6
    # 因为学习演示就不用ImageNet了，所以输入通道为1
7
    nn.Conv2d(1, 96, kernel_size=11, stride=4, padding=1), nn.ReLU(),
8
    nn.MaxPool2d(kernel_size=3, stride=2),
9
    nn.Conv2d(96, 256, kernel_size=5, padding=2), nn.ReLU(),
10
    nn.MaxPool2d(kernel_size=3, stride=2),
11
    nn.Conv2d(256, 384, kernel_size=3, padding=1), nn.ReLU(),
12
    nn.Conv2d(384, 384, kernel_size=3, padding=1), nn.ReLU(),
13
    nn.Conv2d(384, 256, kernel_size=3, padding=1), nn.ReLU(),
14
    nn.MaxPool2d(kernel_size=3, stride=2),
15
    nn.Flatten(),
16
    # 这里，全连接层的输出数量是LeNet中的好几倍。使用dropout层来减轻过拟合
17
    nn.Linear(6400, 4096), nn.ReLU(),
18
    nn.Dropout(p=0.5),
19
    nn.Linear(4096, 4096), nn.ReLU(),
20
    nn.Dropout(p=0.5),
21
    nn.Linear(4096, 10)
22
)
23

24
X = torch.randn(1, 1, 224, 224)
25
for layer in net:
26
    X = layer(X)
27
    print(layer.__class__.__name__, 'output shape:\t', X.shape)

1
Conv2d output shape:   torch.Size([1, 96, 54, 54])
2
ReLU output shape:   torch.Size([1, 96, 54, 54])
3
MaxPool2d output shape:   torch.Size([1, 96, 26, 26])
4
Conv2d output shape:   torch.Size([1, 256, 26, 26])
5
ReLU output shape:   torch.Size([1, 256, 26, 26])
6
MaxPool2d output shape:   torch.Size([1, 256, 12, 12])
7
Conv2d output shape:   torch.Size([1, 384, 12, 12])
8
ReLU output shape:   torch.Size([1, 384, 12, 12])
9
Conv2d output shape:   torch.Size([1, 384, 12, 12])
10
ReLU output shape:   torch.Size([1, 384, 12, 12])
11
Conv2d output shape:   torch.Size([1, 256, 12, 12])
12
ReLU output shape:   torch.Size([1, 256, 12, 12])
13
MaxPool2d output shape:   torch.Size([1, 256, 5, 5])
14
Flatten output shape:   torch.Size([1, 6400])
15
Linear output shape:   torch.Size([1, 4096])
16
ReLU output shape:   torch.Size([1, 4096])
17
Dropout output shape:   torch.Size([1, 4096])
18
Linear output shape:   torch.Size([1, 4096])
19
ReLU output shape:   torch.Size([1, 4096])
20
Dropout output shape:   torch.Size([1, 4096])
21
Linear output shape:   torch.Size([1, 10])

为了可以有效的把AlexNet应用到Fashion-MNIST上，我们需要把Fashion-MNIST图像扩展到 $224 \times 224$ 。
这里的训练使用更小的学习速率，是因为网络更深更广、图像分辨率更高，训练卷积神经网络就更昂贵。

1
batch_size = 128
2
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size, resize=224)
3

4
lr, num_epochs = 0.01, 10
5
d2l.train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu())

1
loss 0.329, train acc 0.880, test acc 0.879
2
1642.2 examples/sec on cuda:0

svg

小结

AlexNet的架构与LeNet相似，但使用了更多的卷积层和更多的参数来拟合大规模的ImageNet数据集。
今天，AlexNet已经被更有效的架构所超越，但它是从浅层网络到深层网络的关键一步。
尽管AlexNet的代码只比LeNet多出几行，但学术界花了很多年才接受深度学习这一概念，并应用其出色的实验结果。这也是由于缺乏有效的计算工具。
Dropout、ReLU和预处理是提升计算机视觉任务性能的其他关键步骤。