LeNet、AlexNet和VGG的设计模式都是先用卷积层与汇聚层提取特征，然后用全连接层对特征进行处理。
AlexNet和VGG对LeNet的改进主要在于扩大和加深这两个模块。网络中的网络（NiN）则是在每个像素的通道上分别使用多层感知机。
python
import torch
from torch import nn
from d2l import torch as d2l7.3.1 NiN
NiN的想法是在每个像素位置应用一个全连接层。 如果我们将权重连接到每个空间位置，我们可以将其视为 1 × 1 1\times 1 1×1 卷积层，即是作为在每个像素位置上独立作用的全连接层。 从另一个角度看，是将空间维度中的每个像素视为单个样本，将通道维度视为不同特征（feature）。
NiN块以一个普通卷积层开始，后面是两个 1 × 1 1\times 1 1×1 的卷积层。这两个卷积层充当带有ReLU激活函数的逐像素全连接层。
python
def nin_block(in_channels, out_channels, kernel_size, strides, padding):
return nn.Sequential(
nn.Conv2d(in_channels, out_channels, kernel_size, strides, padding),
nn.ReLU(),
nn.Conv2d(out_channels, out_channels, kernel_size=1), nn.ReLU(),
nn.Conv2d(out_channels, out_channels, kernel_size=1), nn.ReLU())7.3.2 NiN 模型
最初的 NiN 网络是在 AlexNet 后不久提出的，显然 NiN 网络是从 AlexNet 中得到了一些启示的。 NiN 使用窗口形状为 11 × 11 11\times 11 11×11 、 5 × 5 5\times 5 5×5 和 3 × 3 3\times 3 3×3 的卷积层，输出通道数量与 AlexNet 中的相同。每个NiN块后有一个最大汇聚层，汇聚窗口形状为 3 × 3 3\times 3 3×3 ，步幅为 2。
NiN 和 AlexNet 之间的显著区别是 NiN 使用一个 NiN 块取代了全连接层。其输出通道数等于标签类别的数量。最后放一个全局平均汇聚层，生成一个对数几率。
NiN 设计的一个优点是显著减少了模型所需参数的数量。然而，在实践中，这种设计有时会增加训练模型的时间。
python
net = nn.Sequential(
nin_block(1, 96, kernel_size=11, strides=4, padding=0),
nn.MaxPool2d(3, stride=2),
nin_block(96, 256, kernel_size=5, strides=1, padding=2),
nn.MaxPool2d(3, stride=2),
nin_block(256, 384, kernel_size=3, strides=1, padding=1),
nn.MaxPool2d(3, stride=2),
nn.Dropout(0.5),
# 标签类别数是10
nin_block(384, 10, kernel_size=3, strides=1, padding=1),
nn.AdaptiveAvgPool2d((1, 1)),
# 将四维的输出转成二维的输出，其形状为(批量大小,10)
nn.Flatten())
python
X = torch.rand(size=(1, 1, 224, 224))
for layer in net:
X = layer(X)
print(layer.__class__.__name__,'output shape:\t', X.shape)Sequential output shape: torch.Size([1, 96, 54, 54])
MaxPool2d output shape: torch.Size([1, 96, 26, 26])
Sequential output shape: torch.Size([1, 256, 26, 26])
MaxPool2d output shape: torch.Size([1, 256, 12, 12])
Sequential output shape: torch.Size([1, 384, 12, 12])
MaxPool2d output shape: torch.Size([1, 384, 5, 5])
Dropout output shape: torch.Size([1, 384, 5, 5])
Sequential output shape: torch.Size([1, 10, 5, 5])
AdaptiveAvgPool2d output shape: torch.Size([1, 10, 1, 1])
Flatten output shape: torch.Size([1, 10])7.3.3 训练模型
python
lr, num_epochs, batch_size = 0.1, 10, 128
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size, resize=224)
d2l.train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu()) # 大约需要二十五分钟，慎跑loss 0.600, train acc 0.769, test acc 0.775
447.9 examples/sec on cuda:0
练习
（1）调整 NiN 的超参数，以提高分类准确性。
python
net2 = nn.Sequential(
nin_block(1, 96, kernel_size=11, strides=4, padding=0),
nn.MaxPool2d(3, stride=2),
nin_block(96, 256, kernel_size=5, strides=1, padding=2),
nn.MaxPool2d(3, stride=2),
nin_block(256, 384, kernel_size=3, strides=1, padding=1),
nn.MaxPool2d(3, stride=2),
nn.Dropout(0.5),
nin_block(384, 10, kernel_size=3, strides=1, padding=1),
nn.AdaptiveAvgPool2d((1, 1)),
nn.Flatten())
lr, num_epochs, batch_size = 0.15, 12, 128
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size, resize=224)
d2l.train_ch6(net2, train_iter, test_iter, num_epochs, lr, d2l.try_gpu()) # 大约需要三十分钟，慎跑loss 0.353, train acc 0.871, test acc 0.884
449.5 examples/sec on cuda:0
学习率调大一点点之后精度更高了，但是波动变的分外严重。
（2）为什么 NiN 块中有两个 1 × 1 1\times 1 1×1 的卷积层？删除其中一个，然后观察和分析实验现象。
python
def nin_block2(in_channels, out_channels, kernel_size, strides, padding):
return nn.Sequential(
nn.Conv2d(in_channels, out_channels, kernel_size, strides, padding),
nn.ReLU(),
nn.Conv2d(out_channels, out_channels, kernel_size=1), nn.ReLU())
net3 = nn.Sequential(
nin_block2(1, 96, kernel_size=11, strides=4, padding=0),
nn.MaxPool2d(3, stride=2),
nin_block2(96, 256, kernel_size=5, strides=1, padding=2),
nn.MaxPool2d(3, stride=2),
nin_block2(256, 384, kernel_size=3, strides=1, padding=1),
nn.MaxPool2d(3, stride=2),
nn.Dropout(0.5),
# 标签类别数是10
nin_block2(384, 10, kernel_size=3, strides=1, padding=1),
nn.AdaptiveAvgPool2d((1, 1)),
# 将四维的输出转成二维的输出，其形状为(批量大小,10)
nn.Flatten())
lr, num_epochs, batch_size = 0.15, 10, 128
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size, resize=224)
d2l.train_ch6(net3, train_iter, test_iter, num_epochs, lr, d2l.try_gpu()) # 大约需要二十分钟，慎跑loss 0.309, train acc 0.884, test acc 0.890
607.5 examples/sec on cuda:0
有时候会更好，有时候会不收敛。
（3）计算 NiN 的资源使用情况。
a. 参数的数量是多少？
b. 计算量是多少？
c. 训练期间需要多少显存?
d. 预测期间需要多少显存?a. 参数数量：
11 × 11 + 2 \] + \[ 5 × 5 + 2 \] + \[ 3 × 3 + 2 \] + \[ 3 × 3 + 2 \] = 123 + 27 + 11 + 11 = 172 \\begin{align} \&\[11\\times 11 + 2\] + \[5\\times 5 + 2\] + \[3\\times 3 + 2\] + \[3\\times 3 + 2\]\\\\ =\& 123+27+11+11\\\\ =\& 172 \\end{align} ==\[11×11+2\]+\[5×5+2\]+\[3×3+2\]+\[3×3+2\]123+27+11+11172 b. 计算量： { \[ ( 224 − 11 + 4 ) / 4 \] 2 × 1 1 2 × 96 + 22 4 2 × 2 } + \[ ( 26 − 5 + 2 + 1 ) 2 × 5 2 × 96 × 256 + 2 6 2 × 2 \] + \[ ( 12 − 3 + 1 + 1 ) 2 × 3 2 × 256 × 384 + 1 2 2 × 2 \] + \[ ( 5 − 3 + 1 + 1 ) 2 × 3 2 × 384 × 10 + 5 2 × 2 \] = 34286966 + 353895752 + 107053344 + 553010 = 495789072 \\begin{align} \&\\{\[(224-11+4)/4\]\^2\\times 11\^2\\times 96 + 224\^2\\times 2\\} + \[(26-5+2+1)\^2\\times 5\^2\\times 96\\times 256 + 26\^2\\times 2\] + \\\\ \&\[(12-3+1+1)\^2\\times 3\^2\\times 256\\times 384 + 12\^2\\times 2\]+\[(5-3+1+1)\^2\\times 3\^2\\times 384\\times 10 + 5\^2\\times 2\]\\\\ =\&34286966+353895752+107053344+553010\\\\ =\&495789072 \\end{align} =={\[(224−11+4)/4\]2×112×96+2242×2}+\[(26−5+2+1)2×52×96×256+262×2\]+\[(12−3+1+1)2×32×256×384+122×2\]+\[(5−3+1+1)2×32×384×10+52×2\]34286966+353895752+107053344+553010495789072 *** ** * ** *** （4）一次性直接将 384 × 5 × 5 384\\times 5\\times 5 384×5×5 的表示压缩为 10 × 5 × 5 10\\times 5\\times 5 10×5×5 的表示，会存在哪些问题？ 压缩太快可能导致特征损失过多。