深度卷积神经网络学习（CNN）_非线性映射模型的作用

什么是卷积神经网络

CNN：神经网络在前面的学习中我们已经了解过很多了，其本质就是多层感知机，卷积神经网络其实也一样，但是我们可以将其看成多层感知机的变种。它成功的原因在于其所采用的局部连接和权值共享的方式：

• 一方面减少了权值的数量使得网络易于优化，算力大大提高
• 另一方面降低了模型的复杂度，也就是减小了过拟合的风险

该优点在网络的输入是图像时表现的更为明显，使得图像可以直接作为网络的输入，避免了传统识别算法中复杂的特征提取和数据重建的过程，在二维图像的处理过程中有很大的优势。

2.模型构建：

CNN：首先了解卷积神经网络的四个组件：

• 卷积层(Convolution)
• 非线性映射(ReLu)，即非线性激活函数

model.add(Conv2D(32,(3,3),activation='relu',padding='valid',input_shape=((28,28,1))))
1

• 池化层(Pooling)

model.add(MaxPool2D(2))
1

• 分类层(FC)

model.add(Flatten())
1

接下来我主要介绍卷积层和池化层

• 首先介绍卷积层，卷积层主要有以下三种特性：
  • 参数共享
  • 自动提取特征
  • 平移不变性

卷积操作其实并不算复杂，但是他有很多种卷积方式，我们在进行卷积之后输出的图像也会和我们选择的卷积核有关，能够让维度下降、不变、甚至上升。

• 接着介绍池化层，池化层一般分为以下两种池化：
  • 一般池化（最常用的池化，池化的过程中，不会将前面操作过的像素再用于池化操作）
  • 重叠池化，和一般池化相反，一般池化的步长为1时，使用过的像素就会重叠，即重复使用
  • 池化层的同样拥有三种特性：
    • 池化无参数
    • 具有降维作用
    • 缩放不变

一般的池化操作我们会使用最大池化，即在选定的部分像素中，我们选择其中最大的一个像素值来作为这一部分的像素的代表，这就使得整体的数据降维，我们生活中常见的马赛克，就是池化操作产生的。

常见的卷积神经网络模型

1. LetNet-5模型：
   
   Conv-Pool-Conv-Pool-FC-FC-Softmax

模型相对简单，层数也较少

2. AlexNet模型：
   
   Conv-Pool-Conv-Pool-Conv-Conv-Conv-Pool-FC-FC-Softmax

3. VGG-16模型：
   
   Conv-Conv-Pool-Conv-Conv-Pool-Conv-Conv-Conv-Pool-Conv-Conv-Conv-Pool-FC-FC-FC-Softmax

4. GoogleNet模型（Inception V1）

是一种既有深度又有宽度的模型，具有以下功能：

• 实现跨通道的交互和信息整合
• 可以把不同特征图组合
• 全连接可以看作1X1卷积操作

5. ResNet模型：
   
   该模型使用ReLu函数用于激活，改善了梯度消失的问题，使信息前后向传播更加顺畅

• 提升了参数利用率
• 底层的特征也进行了充分的传递，泛化性较好
• Loss对底层参数有一定的影响，能较容易地进行训练

3.实验过程：

1. 手写数字集测试：

• 首先我们对比一下，图片在经过卷积或者池化操作之后，跟原图会有什么区别

# TensorFlow 卷积池化
import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np
(x_train,y_train),(x_test,y_test) = tf.keras.datasets.mnist.load_data()
x_train = x_train.reshape((-1,28,28,1))/255.0
x_test = x_test.reshape((-1,28,28,1))/255.0
filter = tf.constant([[-1,-1,-1],[-1,9,1],[-1,-1,-1]],dtype='float32')
filter = tf.reshape(filter,(3,3,1,1))
img = tf.constant(x_train[0:1]/255.0,dtype='float32')
conv_img = tf.nn.conv2d(img,filter,strides=[1,2,2,1],padding='SAME')
pool_img = tf.nn.max_pool(img,[1,2,2,1],[1,2,2,1],padding="VALID")
# window_size,stride
print(conv_img.shape)
plt.subplot(131)
plt.imshow(tf.squeeze(img))
plt.subplot(132)
plt.imshow(tf.squeeze(conv_img))
plt.subplot(133)
plt.imshow(tf.squeeze(pool_img))
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

由于我们采用的卷积核的特性，将一些较大的值都滤掉了，反观池化，虽然较大的值都保留了，但是同样损失了很多细节。

• 接下里，我们构建一个经典LeNet-5的卷积神经网络，进行手写数字的识别

import tensorflow as tf
from tensorflow.keras.layers import *
from tensorflow.keras.models import Sequential
(x_train,y_train),(x_test,y_test) = tf.keras.datasets.mnist.load_data()
#tf.keras.datasets.mnist.load_data()
#tf.keras.datasets.fashion_mnist.load_data()
x_train = x_train.reshape((-1,28,28,1))/255.0
x_test = x_test.reshape((-1,28,28,1))/255.0
y_train = tf.keras.utils.to_categorical(y_train,10)
y_test = tf.keras.utils.to_categorical(y_test,10)
model = Sequential()
model.add(Conv2D(32,(3,3),activation='relu',padding='valid',input_shape=((28,28,1))))
model.add(MaxPool2D(2))
model.add(Conv2D(32,(3,3),activation='relu',padding='same'))
model.add(Flatten()) #FC，将二维图片展平成一维向量
model.add(Dense(128,activation='relu'))
model.add(Dense(10,activation='softmax'))
model.compile(optimizer=tf.keras.optimizers.Adam(),
loss=tf.keras.losses.categorical_crossentropy,metrics=['accuracy'])
model.fit(x_train,y_train,batch_size=128,epochs=20)
print(model.evaluate(x_test,y_test))
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

从上述代码中，我们可以发现，这个卷积神经网络中，我们使用了两个卷积层、两个最大池化层、两个全连接层

• 我们得到的精度如下：
  

2. Alex-net模型：（主要为8层）
   Conv-pool-Conv-pool-Conv-Conv-Conv-pool-FC-FC-Softmax分类输出

• 初始框架优化效果：
  
• 将卷积核的数目核batch_size扩大一倍后:
  
• 感觉精度不高的原因是模型太简单，我们在原模型的基础上增加一层卷积
  
  效果不错，再也不是乌龟爬式的增长了
• 再加两层卷积之后再池化
  
• 重复上述操作
  
  精度的提升很小，说明靠这种方法来提升精度已经达到了极限值

2. VGG16模型：（卷积核3x3；池化核2x2，步长为2，即不重叠池化）
   
   从上图我们可以看到，该模型由最大池化层分隔，总共分隔成了6块，其中五块为卷积层，一块为全连接层。且每一次的卷积都使得输入和输出的图像大小不变，只有在池化时变为原来的一半，最后由三层全连接层输出

• 略微增大卷积核个数，得到精度如下：
  
• VGG16模型的层数实在是太多了，以至于我觉得该模型应该是属于过拟合的状态，我决定将其简化，原本的VGG16模型有5个模块，删去最后一个，剩下四个模块。
  
  稍微提升了一些

3. InceptionNet模型：（更多的支路，更宽的神经网络）

• 该模型初次的精度如下：
  

• 我们知道，卷积核可以提取突破的特征，初步设想，给定较多的卷积核，便能提取更多特征，那么最后的精度应该会高。所以将原来的卷积核个数翻倍，得到的结果如下：
  
  看来这招在这里并不合适

• 既然增加卷积核的个数行不通，索性让神经网络变得更深一些
  
  精度下降了，看来单纯地深化神经网络，也不一定就能达到最好的效果，太复杂的模型很有可能会过拟合，导致精度下降。

• 删去一层深度之后，效果似乎有所好转
  

• 增加一条支路，让其模型变成5条支路，3层深度
  

4. ResNet模型：

• 初始精度大概是0.126左右，稍微添加了一层卷积，结果精度直接降低一半
  
• 删去两层卷积
  

总结

总的来说对几个常见的卷积神经网络结构有了一定的了解，无非就是卷积、池化、归一化、全连接的各种组合，在调试优化模型的过程中我也进行了很多尝试，有了一定的收获。调参是门技术活，而我只会没脑子的瞎调