Contents
- 1 AlexNet模型概述
- 2 AlexNet模型实现
- 2.1 环境准备
- 2.2 程序设计
- 2.3 输出结果
- 3 总结
在图像识别/目标检测领域，基本上CNN的天下，从基础的AlexNet，再到后面更深的GoogleNet、VGGNet等，再到收敛速度更快、泛化性更强ResNet等残差网络，从2012年到现在CNN网络在图像识别/目标检测领域可谓是一个很好的方法。
根据我的经验，在Kaggle竞赛中，基础的LeNet5、AlexNet等CNN模型是不够用的，我在猫狗识别竞赛中使用AlexNet模型，并进行微调，同时稍微调整了不同的超参数，最后得到的Public Score只有7.95506，排名1247/1314。cifar10竞赛稍微好些，Public Score0.27250，排名171/231。
哎，压力山大，这个排名太差了，我都不好意思说出来，可终归是自己算法工程师之路的一个阶段，写下了也是让自己有压力，现阶段还需要好好沉淀自己。
然后，我去网上查了资料，这个文章指出要选择好相应的state-of-art模型，state-of-art模型有ResNet、Inception v3、SPPNet等，只要选择好了与任务相对应的 state-of-art 模型，在代码无 bug，没有实验设置错误的情况下，排进 Top 50% 甚至 Top 15% 难度很小。
当然，实际结果我还没有验证，因为我目前还在没有实验设置错误这个阶段挣扎。
AlexNet模型概述
AlexNet模型结构示意图如下所示：
从图中可以看出，AlexNet包含输入层、5个卷积层和3个全连接层。其中有3个卷积层还进行了最大池化。AlexNet模型创新之处如下：
LRN（局部响应归一化）技术介绍：
Local Response Normalization(LRN)技术主要是深度学习训练时的一种提高准确度的技术方法。其中caffe、tensorflow等里面是很常见的方法，其跟激活函数是有区别的，LRN一般是在激活、池化后进行的一种处理方法。LRN归一化技术首次在AlexNet模型中提出这个概念。
AlexNet模型实现
环境准备
系统：Windows10/Linux系统
软件：Python3、TensorFlow框架（主要是用一些低级api，没有用高层封装(TensorFlow-Slim、TFLearn、Keras和Estimator）。
我这里把局部响应归一化放在池化层后面，但是网上有些版本放在卷积层后面。 输入的原始图像大小为224×224×3（RGB图像），在训练时会经过预处理变为227×227×3。训练集图片尺寸可能不一定是227*227，在输入前需要预处理裁剪成227*227。
代码知识点：通过 tf.get_variable 创建过滤器的权重变量和和偏执变量，权重参数是一个四维矩阵，前两维代表过滤器尺寸，第三个维度代表当前层的深度，第四个维度代表过滤器的深度。
程序设计
代码语言：javascript复制# coding:utf-8
# filename:alexnet.py
# Environment:windows10,python3,numpy,TensorFlow1.9,numpy,time
# Function:负责定义设计AlexNet网络
import os
import numpy as np
import tensorflow as tf
# 准备数据程序模块
import input_data
IMG_W=227
IMG_H=227
IMG_C=3
BATCH_SIZE = 20
n_epoch = 10000
n_classes = 2
# 本地电脑训练对应路径地址
train_dir = "F:/Software/Python_Project/Classification-cat-dog/train/"
logs_train_dir = "F:/Software/Python_Project/Classification-cat-dog/logs/"
# 云服务器训练对应路径地址
# train_dir = '/data/Dogs-Cats-Redux-Kernels-Edition/train/'
# logs_train_dir = '/data/Dogs-Cats-Redux-Kernels-Edition/logs/
#----------------------------------------------定义构建网络-------------------------------------
# 占位符,用于得到传递进来的真实训练样本,输入数据为猫狗识别数据集batch
# x = tf.placeholder(tf.float32,shape=[BATCH_SIZE,IMG_W,IMG_H,IMG_C],name='x')
# y_ = tf.placeholder(tf.int32,shape=[BATCH_SIZE,],name='y_')
def inference(input_tensor,train,batch_size,regularizer,n_classes):
# conv1,输出矩阵大小(55,55,96)
with tf.variable_scope('layer1-conv1'):
conv1_weights = tf.get_variable("weight",[11,11,3,96],initializer=tf.truncated_normal_initializer(stddev=0.1))
conv1_biases = tf.get_variable("bias", [96], initializer=tf.constant_initializer(0.0)) # 定义偏置变量并初始化
conv1 = tf.nn.conv2d(input_tensor, conv1_weights, strides=[1, 4, 4, 1], padding='SAME') # 'VALID'不添加
relu1 = tf.nn.relu(tf.nn.bias_add(conv1, conv1_biases)) # 使用ReLu激活函数，完成去线性化
# pool1 && norm1,输出矩阵大小(27,27,96)
with tf.name_scope("layer2-pool1"):
pool1 = tf.nn.max_pool(relu1, ksize = [1,3,3,1],strides=[1,2,2,1],padding="VALID")
norm1 = tf.nn.lrn(pool1, depth_radius=4, bias=1.0, alpha=0.001/9.0,beta=0.75, name='norm1') # lrn层，局部响应归一化
# conv2,输出矩阵大小(27,27,256)
with tf.variable_scope("layer3-conv2"):
conv2_weights = tf.get_variable("weight",[5,5,96,256],initializer=tf.truncated_normal_initializer(stddev=0.1))
conv2_biases = tf.get_variable("bias", [256], initializer=tf.constant_initializer(0.0))
conv2 = tf.nn.conv2d(norm1, conv2_weights, strides=[1, 1, 1, 1], padding='SAME')
relu2 = tf.nn.relu(tf.nn.bias_add(conv2, conv2_biases)) # 使用ReLu激活函数，完成去线性化
# pool2 && norm2,输出矩阵大小(13,13,256)
with tf.name_scope("layer4-pool2"):
pool2 = tf.nn.max_pool(relu2, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='VALID')
norm2 = tf.nn.lrn(pool2, depth_radius=4, bias=1.0, alpha=0.001/9.0,beta=0.75, name='norm1') # lrn层，局部响应归一化
# conv3,输出矩阵大小(13,13,384)
with tf.variable_scope("layer5-conv3"):
conv3_weights = tf.get_variable("weight",[3,3,256,384],initializer=tf.truncated_normal_initializer(stddev=0.1))
conv3_biases = tf.get_variable("bias", [384], initializer=tf.constant_initializer(0.0))
conv3 = tf.nn.conv2d(norm2, conv3_weights, strides=[1, 1, 1, 1], padding='SAME')
relu3 = tf.nn.relu(tf.nn.bias_add(conv3, conv3_biases)) # 使用ReLu激活函数，完成去线性化
# conv4,输出矩阵大小(13,13,384)
with tf.variable_scope("layer6-conv4"):
conv4_weights = tf.get_variable("weight",[3,3,384,384],initializer=tf.truncated_normal_initializer(stddev=0.1))
conv4_biases = tf.get_variable("bias", [384], initializer=tf.constant_initializer(0.0))
conv4 = tf.nn.conv2d(relu3, conv4_weights, strides=[1, 1, 1, 1], padding='SAME')
relu4 = tf.nn.relu(tf.nn.bias_add(conv4, conv4_biases)) # 使用ReLu激活函数，完成去线性化
# conv5,输出矩阵大小(13,13,256)
with tf.variable_scope("layer7-conv5"):
conv5_weights = tf.get_variable("weight",[3,3,384,256],initializer=tf.truncated_normal_initializer(stddev=0.1))
conv5_biases = tf.get_variable("bias", [256], initializer=tf.constant_initializer(0.0))
conv5 = tf.nn.conv2d(relu4, conv5_weights, strides=[1, 1, 1, 1], padding='SAME')
relu5 = tf.nn.relu(tf.nn.bias_add(conv5, conv5_biases)) # 使用ReLu激活函数，完成去线性化
# pool5 && norm5,输出矩阵大小(6,6,256),13=(13-3)/2 1
with tf.name_scope("layer8-pool5"):
pool5 = tf.nn.max_pool(relu5, ksize=[1, 3, 3, 1], strides=[1, 2, 2, 1], padding='VALID') # 'VALID'不添加
# 将第5层池化层的输出转换为第6层全连接层的输入格式（向量）
# pool_shape = pool5.get_shape().as_list()
# nodes = pool_shape[1]*pool_shape[2]*pool_shape[3] # 计算矩阵拉直成向量之后的长度,（pool_shape[1]*pool_shape[2]*pool_shape[3]）=(6*6*256)
# fc1,输出矩阵大小(-1,4096)
with tf.variable_scope('layer9-fc1'):
reshaped = tf.reshape(pool5,[batch_size,-1]) # 通过tf.reshaped函数将第5层池化层的输出变成一个batch的向量
nodes = reshaped.get_shape()[1].value
fc1_weights = tf.get_variable("weight", [nodes, 4096],
initializer=tf.truncated_normal_initializer(stddev=0.1))
if regularizer != None: tf.add_to_collection('losses', regularizer(fc1_weights))
fc1_biases = tf.get_variable("bias", [4096], initializer=tf.constant_initializer(0.1))
fc1 = tf.nn.relu(tf.matmul(reshaped, fc1_weights) fc1_biases)
if train: fc1 = tf.nn.dropout(fc1, 0.5) # 使用丢失输出技巧dropout
# fc2,输出矩阵大小(-1,4096)
with tf.variable_scope('layer10-fc2'):
fc2_weights = tf.get_variable("weight", [4096, 4096],
initializer=tf.truncated_normal_initializer(stddev=0.1))
if regularizer != None: tf.add_to_collection('losses', regularizer(fc2_weights))
fc2_biases = tf.get_variable("bias", [4096], initializer=tf.constant_initializer(0.1))
fc2 = tf.nn.relu(tf.matmul(fc1, fc2_weights) fc2_biases)
if train: fc2 = tf.nn.dropout(fc2, 0.5) # 使用丢失输出技巧dropout
# fc3,输出层输出矩阵大小(-1,n_classes)=(-1,2)
with tf.variable_scope('layer11-fc3'):
fc3_weights = tf.get_variable("weight", [4096, n_classes],
initializer=tf.truncated_normal_initializer(stddev=0.1))
if regularizer != None: tf.add_to_collection('losses', regularizer(fc3_weights))
fc3_biases = tf.get_variable("bias", [n_classes], initializer=tf.constant_initializer(0.1))
logit = tf.matmul(fc2, fc3_weights) fc3_biases
# shape:(batch_size,num_classes)=(16,10)
return logit
# # ------------------------------------网络结束，定义损失、评估模型-------------------------------------------------
# regularizer = tf.contrib.layers.l2_regularizer(0.0001)
# # logits是一个batch_size*10的二维数组
# logits = inference(x,True,regularizer,n_classes)
# print(logits) # 仅供测试程序时用，迭代训练模型时建议注释掉
# # (小处理)将logits乘以1赋值给logits_eval，定义name，方便在后续调用模型时通过tensor名字调用输出tensor
# b = tf.constant(value=1,dtype=tf.float32)
# logits_eval = tf.multiply(logits,b,name='logits_eval')
# #计算交叉熵作为刻画预测值和真实值之间差距的损失函数
# cross_entroy = tf.nn.sparse_softmax_cross_entropy_with_logits(logits=logits, labels=y_)
# #计算在当前batch中所有样例的交叉熵平均值
# loss = tf.reduce_mean(cross_entroy,name='loss') tf.add_n(tf.get_collection('losses'))
# #使用tf.train.AdamOptimizer优化算法来优化损失函数
# train_op = tf.train.AdamOptimizer(learning_rate=0.001).minimize(loss)
# #计算模型在一个batch数据上的正确率
# correct_prediction = tf.equal(tf.cast(tf.argmax(logits,1),tf.int32), y_)
# acc = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
# print(loss,acc) # 仅供测试程序时用，迭代训练模型时建议注释掉
# 定义损失函数（labels没有进行one-hot编码）
def losses(logits, labels):
with tf.variable_scope("loss") as scope:
cross_entropy = tf.nn.sparse_softmax_cross_entropy_with_logits(logits=logits,
labels=labels, name="xentropy_per_example")
loss = tf.reduce_mean(cross_entropy, name="loss")# 计算张量的平均值
tf.summary.scalar(scope.name "loss", loss) # 对loss汇总和记录
return loss
# 定义训练函数
def trainning(loss, learning_rate):
with tf.name_scope("optimizer"):
# 使用Adam优化器
optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate)
# 定义训练轮数变量
global_step = tf.Variable(0, name="global_step", trainable=False)
# 更新参数最小化损失
train_op = optimizer.minimize(loss, global_step=global_step)
return train_op
# 定义评估函数，计算准确率
def evaluation(logits,labels):
with tf.variable_scope('accuracy') as scope:
correct = tf.nn.in_top_k(logits,labels,1)
correct = tf.cast(correct,tf.float16) # 将布尔型数据转换为float16
accuracy = tf.reduce_mean(correct) # 计算correct均值得到准确率
tf.summary.scalar(scope.name '/accuracy',accuracy) # 对准确率数据进行汇总
return accuracy输出结果
这里还没有开始训练，所以只是加了2个printf来打印输出logits、loss、acc三个张量。输出结果如下图：
There are 12500 cats There are 12500 dogs label: 1 <matplotlib.figure.Figure at 0x1d50d0d3da0> label: 1 <matplotlib.figure.Figure at 0x1d50d0e0d68> Tensor(“layer11-fc3/add:0”, shape=(?, 2), dtype=float32) Tensor(“add:0”, shape=(), dtype=float32) Tensor(“Mean:0”, shape=(), dtype=float32)
值得注意的是，在TensorFlow框架中，我们使用tf.variable_scope和tf.get_variable定义变量，这里我发现一个坑，就是重复运行TensorFlow程序的时候会出现如下报错：
Variable layer1-conv1/weight already exists, disallowed. Did you mean to set reuse=True or reuse=tf.AUTO_REUSE in VarScope?
解决办法，如果是Jupyter运行程序，关掉Jupyter，打开再运行即不报错。
总结
这里主要使用的是TensorFlow的低级api构建AlexNet网络，如果是像VGGNet、ResNet50等这些很深的模型，建议要用TensorFLow的高级封装(TensorFlow-Slim、TFLearn、Keras和Estimator）去编写模型定义程序。
