LeNet-5(论文复现)
本文所涉及所有资源均在传知代码平台可获取
文章目录
-
- LeNet-5(论文复现)
-
-
- 概述
- LeNet-5网络架构介绍
- 训练过程
- 测试过程
- 使用方式
- 说明
-
概述
LeNet是最早的卷积神经网络之一。1998年,Yann LeCun第一次将LeNet卷积神经网络应用到图像分类上,在手写数字识别任务中取得了巨大成功。LeNet通过连续使用卷积和池化层的组合提取图像特征。
出自论文《Gradient-Based Learning Applied to Document Recognition》
LeNet-5网络架构介绍
输入层
输入32×32通道数为1的图片
C1层(卷积层)
使用6个5×5大小的卷积核,padding=0,stride=1,得到6个28×28大小的特征图
激活函数: ReLU
**可训练参数:**6×(5×5+1)=1566×(5×5+1)=156
S2层(池化层)
最大池化,池化窗大小2×2,stride=2
**可训练参数:**6×(1+1)=126×(1+1)=12,其中第一个 1 为池化对应的 2*2 感受野中最大的那个数的权重 w,第二个 1 为偏置 b。
C3层(卷积层)
使用16个5×5大小的卷积核,padding=0,stride=1,得到16个10×10大小的特征图
激活函数: ReLu
**可训练参数:**6×(5×5×3+1)+6×(5×5×4+1)+3×(5×5×4+1)+1×(5×5×6+1)=15166×(5×5×3+1)+6×(5×5×4+1)+3×(5×5×4+1)+1×(5×5×6+1)=1516
16 个卷积核并不是都与 S2 的 6 个通道层进行卷积操作,如下图所示,C3 的前六个特征图(0,1,2,3,4,5)由 S2 的相邻三个特征图作为输入,对应的卷积核尺寸为:5x5x3 ;接下来的 6 个特征图(6,7,8,9,10,11)由 S2 的相邻四个特征图作为输入对应的卷积核尺寸为:5x5x4 ;接下来的 3 个特征图(12,13,14)号特征图由 S2 间断的四个特征图作为输入对应的卷积核尺寸为:5x5x4 ;最后的 15 号特征图由 S2 全部(6 个)特征图作为输入,对应的卷积核尺寸为:5x5x6。
S4层(池化层)
最大池化,池化窗大小2×2,stride=2
**可训练参数:**16×(1+1)=3216×(1+1)=32
C5层(卷积层/全连接层)
由于该层卷积核的大小与输入图像相同,故也可认为是全连接层。
C5 层是卷积层,使用 120 个 5×5x16 大小的卷积核,padding=0,stride=1进行卷积,得到 120 个 1×1 大小的特征图:5-5+1=1。即相当于 120 个神经元的全连接层。
值得注意的是,与C3层不同,这里120个卷积核都与S4的16个通道层进行卷积操作。
激活函数: ReLU
**可训练参数:**120×(5×5×16+1)=48120120×(5×5×16+1)=48120
F6层(全连接层)
F6 是全连接层,共有 84 个神经元,与 C5 层进行全连接,即每个神经元都与 C5 层的 120 个特征图相连。计算输入向量和权重向量之间的点积,再加上一个偏置,结果通过 sigmoid 函数输出。
**可训练参数:**84×(120+1)84×(120+1)
OUTPUT层(全连接层)
最后的 Output 层也是全连接层,是 Gaussian Connections,采用了 RBF 函数(即径向欧式距离函数),计算输入向量和参数向量之间的欧式距离(目前已经被Softmax 取代)。
**可训练参数:**84×1084×10
使用 LeNet-5 网络结构创建 MNIST 手写数字识别分类器
MNIST是一个非常有名的手写体数字识别数据集,训练样本:共60000个,其中55000个用于训练,另外5000个用于验证;测试样本:共10000个。MNIST数据集每张图片是单通道的,大小为28x28
下载并加载数据,并对数据进行预处理
bash
# 下载MNIST数据集
train_set = datasets.MNIST(root = "./data", train = True, download = True, transform = pipline_train)
test_set = datasets.MNIST(root = "./data", train = False, download = True, transform = pipline_test)
# 加载数据集
train_data = torch.utils.data.DataLoader(train_set, batch_size = opt.batch_size, shuffle = True)
test_data = torch.utils.data.DataLoader(test_set, batch_size = opt.batch_size, shuffle = False)
train_data_size = len(train_data)
test_data_size = len(test_data)
print("训练数据集长度:{}\n测试数据集长度:{}".format(train_data_size, test_data_size))
若本地无MNIST数据集,会在当前目录下新建一个data文件夹存放数据
MNIST数据集中的图片数据以ubyte格式存储,ubyte是一种无符号字节类型,取值范围在0~255之间。MNIST数据集的图像数据文件为"train-images-idx3-ubyte.gz"和"t10k-images-idx3-ubyte.gz",其中前者存储了训练数据,后者存储了测试数据。
由于 MNIST 数据集图片尺寸是 28x28 单通道的,而 LeNet-5 网络输入 Input 图片尺寸是 32x32,使用 transforms.Resize 将输入图片尺寸调整为 32x32
bash
pipline_train = transforms.Compose([
# 随机旋转图片
transforms.RandomHorizontalFlip(),
# 将图片尺寸resize到32x32
transforms.Resize((32, 32)),
# 将图片转化为Tensor格式
transforms.ToTensor(),
# 正则化(当模型出现过拟合的情况时,用来降低模型的复杂度)
transforms.Normalize((0.1307,), (0.3081,))
])
pipline_test = transforms.Compose([
# 将图片尺寸resize到32x32
transforms.Resize((32, 32)),
transforms.ToTensor(),
transforms.Normalize((0.1307,), (0.3081,))
])
搭建 LeNet-5 神经网络结构,并定义前向传播的过程
bash
# 搭建 LeNet-5 神经网络结构,并定义前向传播的过程
class LeNet(nn.Module):
def __init__(self):
super(LeNet, self).__init__()
self.conv1 = nn.Conv2d(1, 6, 5) # 输入通道的数量;输出通道的数量(也就是卷积核的数量);卷积核的大小
self.relu = nn.ReLU()
self.maxpool1 = nn.MaxPool2d(2, 2)
self.conv2 = nn.Conv2d(6, 16, 5)
self.maxpool2 = nn.MaxPool2d(2, 2)
self.fc1 = nn.Linear(16 * 5 * 5, 120)
self.fc2 = nn.Linear(120, 84)
self.fc3 = nn.Linear(84, 10)
def forward(self, x):
x = self.conv1(x)
x = self.relu(x)
x = self.maxpool1(x)
x = self.conv2(x)
x = self.relu(x)
x = self.maxpool2(x)
x = x.view(-1, 16 * 5 * 5)
x = F.relu(self.fc1(x))
x = F.relu(self.fc2(x))
x = self.fc3(x)
output = F.log_softmax(x, dim = 1)
return output
训练过程
bash
def train_runner(model, device, trainloader, optimizer):
# 训练模型, 启用 BatchNormalization 和 Dropout, 将BatchNormalization和Dropout置为True
model.train()
total = 0
correct = 0.0
# enumerate迭代已加载的数据集,同时获取数据和数据下标
for i, data in enumerate(trainloader, 0):
inputs, labels = data
# 把模型部署到device上
inputs, labels = inputs.to(device), labels.to(device)
# 保存训练结果
outputs = model(inputs)
# 计算损失和
# 多分类情况通常使用cross_entropy(交叉熵损失函数), 而对于二分类问题, 通常使用sigmod
loss = F.cross_entropy(outputs, labels)
# 初始化梯度
optimizer.zero_grad()
# 反向传播
loss.backward()
# 更新参数
optimizer.step()
# 获取最大概率的预测结果
# dim=1表示返回每一行的最大值对应的列下标
predict = outputs.argmax(dim = 1)
total += labels.size(0)
correct += (predict == labels).sum().item()
if i % 1000 == 0:
# loss.item()表示当前loss的数值
print("Train Loss: {:.4f}, Accuracy: {:.2f}%".format(loss.item(), 100 * (correct / total)))
return loss.item(), 100 * (correct / total)
测试过程
bash
def val_runner(model, device, testloader):
# 模型验证, 必须要写, 否则只要有输入数据, 即使不训练, 它也会改变权值
# 因为调用eval()将不启用 BatchNormalization 和 Dropout, BatchNormalization和Dropout置为False
model.eval()
# 统计模型正确率, 设置初始值
correct = 0.0
test_loss = 0.0
total = 0
best_acc = 0.0
# torch.no_grad将不会计算梯度, 也不会进行反向传播
with torch.no_grad():
for data, label in testloader:
data, label = data.to(device), label.to(device)
output = model(data)
test_loss += F.cross_entropy(output, label).item()
predict = output.argmax(dim = 1)
# 计算正确数量
total += label.size(0)
correct += (predict == label).sum().item()
# 计算损失值
val_acc = correct / total
print("Test loss: {:.4f}, Accuracy: {:.2f}%".format(test_loss / total, 100 * val_acc))
# 保存最佳模型
if val_acc > best_acc:
best_acc = val_acc
torch.save(model, './model-mnist_best.pth') # 保存模型
return test_loss / total, 100 * val_acc
使用方式
可直接在IDLE中运行代码,其中train.py文件用于训练网络,model.py文件用于定义网络,test.py文件用来对训练完的模型做一个测试推理。
也可直接调用命令行实现,如
bash
python train.py --epochs 100 --lr 0.001 --batch_size 64
若不指定相关参数,train.py默认为训练10轮,学习率0.001,batch_size为64
说明
本项目的文件夹架构如下
代码中还使用了tensorboard可视化工具,以下是tensorboard可视化结果
最终在测试样本上,average_loss降到了 0.00129,accuracy 达到了 97.28%。可以说 LeNet-5 的效果非常好!
使用test.py进行测试推理时,由于MNIST数据集中的图片数据以ubyte格式存储,需要转成图片的格式,具体转换脚本参照mnist2jpg.py
bash
# 获取图像数据和标签
img, label = mnist_train[i]
# 转换图像数据为numpy数组
img_np = np.squeeze(img.numpy())
# 展示图像
plt.imshow(img_np, cmap = 'gray')
plt.axis('off') # 关闭坐标轴显示
plt.savefig('{}/mnist_image_{}.jpg'.format(save_dir, label), bbox_inches = 'tight', pad_inches = 0)
plt.close()
测试图片
文章代码资源点击附件获取