从零开始深度学习第16讲：CNN经典论文研读之AlexNet及其TensorFlow实现

2019 年 4 月 10 日 数萃大数据

在 Yann Lecun 提出 Le-Net5 之后的十几年内，由于神经网络本身较差的可解释性以及受限于计算能力的影响，神经网络发展缓慢且在较长一段时间内处于低谷。2012年，深度学习三巨头之一、具有神经网络之父之称的 Geoffrey Hinton 的学生 Alex Krizhevsky 率先提出了 AlexNet，并在当年度的 ILSVRC（ImageNet大规模视觉挑战赛）以显著的优势获得当届冠军，top-5 的错误率降至了 16.4%，相比于第二名 26.2% 的错误率有了极大的提升。这一成绩引起了学界和业界的极大关注，计算机视觉也开始逐渐进入深度学习主导的时代。

AlexNet 继承了 LeCun 的 Le-Net5 思想，将卷积神经网络的发展到很宽很深的网络当中，相较于 Le-Net5 的六万个参数，AlexNet 包含了 6 亿三千万条连接，6000 万个参数和 65 万个神经元，其网络结构包括 5 层卷积，其中第一、第二和第五层卷积后面连接了最大池化层，然后是 3 个全连接层。AlexNet 的创新点在于：

首次成功使用 relu 作为激活函数，使其在较深的网络上效果超过传统的 sigmoid 激活函数，极大的缓解了梯度消失问题。
首次在实践中发挥了 dropout 的作用，为全连接层添加 dropout 防止过拟合。
相较于之前 Le-Net5 中采用的平均池化，AlexNet 首次采用了重叠的最大池化，避免了平均池化的模糊化效果。
提出了 LRN 层，对局部神经元的活动创建了竞争机制。
使用多 GPU 进行并行计算。
采用了一定的数据增强手段，一定程度上也缓解了过拟合。

AlexNet 网络结构

以上是 AlexNet 的基本介绍和创新点，下面我们看一下 AlexNet 的网络架构。

AlexNet 不算池化层总共有 8 层，前 5 层为卷积层，其中第一、第二和第五层卷积都包含了一个最大池化层，后三层为全连接层。所以 AlexNet 的简略结构如下：
输入>卷积>池化>卷积>池化>卷积>卷积>卷积>池化>全连接>全连接>全连接>输出

各层的结构和参数如下：
C1层是个卷积层，其输入输出结构如下：
输入： 227 x 227 x 3 滤波器大小： 11 x 11 x 3 滤波器个数：96
输出： 55 x 55 x 96

P1层是C1后面的池化层，其输入输出结构如下：
输入： 55 x 55 x 96 滤波器大小： 3 x 3 滤波器个数：96
输出： 27 x 27 x 96

C2层是个卷积层，其输入输出结构如下：
输入： 27 x 27 x 96 滤波器大小： 5 x 5 x 96 滤波器个数：256
输出： 27 x 27 x 256

P2层是C2后面的池化层，其输入输出结构如下：
输入： 27 x 27 x 256 滤波器大小： 3 x 3 滤波器个数：256
输出： 13 x 13 x 256

C3层是个卷积层，其输入输出结构如下：
输入： 13 x 13 x 256 滤波器大小： 3 x 3 x 256 滤波器个数：384
输出： 13 x 13 x 384

C4层是个卷积层，其输入输出结构如下：
输入： 13 x 13 x 384 滤波器大小： 3 x 3 x 384 滤波器个数：384
输出： 13 x 13 x 384

C5层是个卷积层，其输入输出结构如下：
输入： 13 x 13 x 384 滤波器大小： 3 x 3 x 384 滤波器个数：256
输出： 13 x 13 x 256

P5层是C5后面的池化层，其输入输出结构如下：
输入： 13 x 13 x 256 滤波器大小： 3 x 3 滤波器个数：256
输出： 6 x 6 x 256

F6层是个全连接层，其输入输出结构如下：
输入：6 x 6 x 256
输出：4096

F7层是个全连接层，其输入输出结构如下：
输入：4096
输出：4096

F8层也是个全连接层，即输出层，其输入输出结构如下：
输入：4096
输出：1000

在论文中，输入图像大小为 224 x 224 x 3，实际为 227 x 227 x 3。各层输出采用 relu 进行激活。前五层卷积虽然计算量极大，但参数量并不如后三层的全连接层多，但前五层卷积层的作用却要比全连接层重要许多。

AlexNet 在验证集和测试集上的分类错误率表现：

AlexNet 的 tensorflow 实现

我们继续秉持前面关于利用 tensorflow 构建卷积神经网络的基本步骤和方法：定义创建输入输出的占位符变量模块、初始化各层参数模块、创建前向传播模块、定义模型优化迭代模型，以及在最后设置输入数据。

定义卷积过程

def conv(x, filter_height, filter_width, num_filters, stride_y, stride_x, name,
         padding='SAME', groups=1):    
    # Get number of input channels
    input_channels = int(x.get_shape()[-1])    
    # Create lambda function for the convolution
    convolve = lambda i, k: tf.nn.conv2d(i, k,
                                         strides=[1, stride_y, stride_x, 1],
                                         padding=padding)    
    with tf.variable_scope(name) as scope:        
        # Create tf variables for the weights and biases of the conv layer
        weights = tf.get_variable('weights', shape=[filter_height,
                                                    filter_width,
                                                    input_channels/groups,
                                                    num_filters])
        biases = tf.get_variable('biases', shape=[num_filters]) 
           
    if groups == 1:
        conv = convolve(x, weights)    
        # In the cases of multiple groups, split inputs & weights and
    else:        
        # Split input and weights and convolve them separately
        input_groups = tf.split(axis=3, num_or_size_splits=groups, value=x)
        weight_groups = tf.split(axis=3, num_or_size_splits=groups,
                                 value=weights)
        output_groups = [convolve(i, k) for i, k in zip(input_groups, weight_groups)]        
        # Concat the convolved output together again
        conv = tf.concat(axis=3, values=output_groups)    
    # Add biases
    bias = tf.reshape(tf.nn.bias_add(conv, biases), tf.shape(conv))   
    # Apply relu function
    relu_result = tf.nn.relu(bias, name=scope.name)    
        
    return relu_result

定义全连接层

def fc(x, num_in, num_out, name, relu=True):  
    with tf.variable_scope(name) as scope:      
      # Create tf variables for the weights and biases
      weights = tf.get_variable('weights', shape=[num_in, num_out],
                                trainable=True)
      biases = tf.get_variable('biases', [num_out], trainable=True)      
      # Matrix multiply weights and inputs and add bias
      act = tf.nn.xw_plus_b(x, weights, biases, name=scope.name)  
      if relu:     
          relu = tf.nn.relu(act)      
          return relu  
      else:      
          return act

定义最大池化过程

def max_pool(x, filter_height, filter_width, stride_y, stride_x, name,
           padding='SAME'):  
    return tf.nn.max_pool(x, ksize=[1, filter_height, filter_width, 1],
                        strides=[1, stride_y, stride_x, 1],
                        padding=padding, name=name)

定义 LRN

def lrn(x, radius, alpha, beta, name, bias=1.0):  
    return tf.nn.local_response_normalization(x, depth_radius=radius,
                                            alpha=alpha, beta=beta,
                                            bias=bias, name=name)

定义 dropout 操作
def dropout(x, keep_prob):
return tf.nn.dropout(x,keep_prob)

以上关于搭建 AlexNet 的各个组件我们都已准备好，下面我们利用这些组建创建一个 AlexNet 类来实现 AlexNet。

class AlexNet(object):
    def __init__(self, x, keep_prob, num_classes, skip_layer,
                 weights_path='DEFAULT'):
        # Parse input arguments into class variables
        self.X = x
        self.NUM_CLASSES = num_classes
        self.KEEP_PROB = keep_prob
        self.SKIP_LAYER = skip_layer

        if weights_path == 'DEFAULT':
            self.WEIGHTS_PATH = 'bvlc_alexnet.npy'
        else:
            self.WEIGHTS_PATH = weights_path

        # Call the create function to build the computational graph of AlexNet
        self.create()

    def create(self):
        # 1st Layer: Conv (w ReLu) -> Lrn -> Pool
        conv1 = conv(self.X, 11, 11, 96, 4, 4, padding='VALID', name='conv1')
        norm1 = lrn(conv1, 2, 1e-04, 0.75, name='norm1')
        pool1 = max_pool(norm1, 3, 3, 2, 2, padding='VALID', name='pool1')

        # 2nd Layer: Conv (w ReLu)  -> Lrn -> Pool with 2 groups
        conv2 = conv(pool1, 5, 5, 256, 1, 1, groups=2, name='conv2')
        norm2 = lrn(conv2, 2, 1e-04, 0.75, name='norm2')
        pool2 = max_pool(norm2, 3, 3, 2, 2, padding='VALID', name='pool2')

        # 3rd Layer: Conv (w ReLu)
        conv3 = conv(pool2, 3, 3, 384, 1, 1, name='conv3')

        # 4th Layer: Conv (w ReLu) splitted into two groups
        conv4 = conv(conv3, 3, 3, 384, 1, 1, groups=2, name='conv4')

        # 5th Layer: Conv (w ReLu) -> Pool splitted into two groups
        conv5 = conv(conv4, 3, 3, 256, 1, 1, groups=2, name='conv5')
        pool5 = max_pool(conv5, 3, 3, 2, 2, padding='VALID', name='pool5')

        # 6th Layer: Flatten -> FC (w ReLu) -> Dropout
        flattened = tf.reshape(pool5, [-1, 6*6*256])
        fc6 = fc(flattened, 6*6*256, 4096, name='fc6')
        dropout6 = dropout(fc6, self.KEEP_PROB)

        # 7th Layer: FC (w ReLu) -> Dropout
        fc7 = fc(dropout6, 4096, 4096, name='fc7')
        dropout7 = dropout(fc7, self.KEEP_PROB)

        # 8th Layer: FC and return unscaled activations
        self.fc8 = fc(dropout7, 4096, self.NUM_CLASSES, relu=False, name='fc8')

    def load_initial_weights(self, session):
        # Load the weights into memory
        weights_dict = np.load(self.WEIGHTS_PATH, encoding='bytes').item()

        # Loop over all layer names stored in the weights dict
        for op_name in weights_dict:

            # Check if layer should be trained from scratch
            if op_name not in self.SKIP_LAYER:

                with tf.variable_scope(op_name, reuse=True):

                    # Assign weights/biases to their corresponding tf variable
                    for data in weights_dict[op_name]:

                        # Biases
                        if len(data.shape) == 1:
                            var = tf.get_variable('biases', trainable=False)
                            session.run(var.assign(data))

                        # Weights
                        else:
                            var = tf.get_variable('weights', trainable=False)
                            session.run(var.assign(data))

在上述代码中，我们利用了之前定义的各个组件封装了前向计算过程，从http://www.cs.toronto.edu/~guerzhoy/tf_alexnet/上导入了预训练好的模型权重。这样一来，我们就将 AlexNet 基本搭建好了。

参考资料：

Krizhevsky A, Sutskever I, Hinton G E. ImageNet classification with deep convolutional neural networks[C]// International Conference on Neural Information Processing Systems. Curran Associates Inc. 2012:1097-1105.

https://github.com/kratzert/finetune_alexnet_with_tensorflow

从零开始深度学习第14讲：CNN经典论文研读之Le-Net5及其TensorFlow实现

从零开始深度学习第13讲：Tensorflow实战之mnist手写数字识别

从零开始深度学习第12讲：卷积神经网络的Tensorflow实现

从零开始深度学习第11讲：利用numpy搭建一个卷积神经网络

从零开始深度学习第10讲：三维卷积、池化与全连接

从零开始深度学习第9讲：卷积神经网络（CNN）入门

从零开始深度学习第8讲：利用Tensorflow搭建神经网络

登录查看更多