为了更清晰地展示 GoogLeNet 中每个卷积层及其相关参数，我们可以将这些信息整理成表格形式。这不仅有助于理解每一层的输入和输出尺寸，还能直观地看到卷积核的数量、大小、步长以及填充方式等关键参数。以下是 GoogLeNet 前几层（包括两个卷积层和两个最大池化层，以及第一个 Inception 模块）的详细参数表。
GoogLeNet 卷积层参数表
| 层名称 | 类型 | 输入尺寸 | 输出尺寸 | 卷积核尺寸 | 步长 | 填充 | 输入通道数 (Channel) | 输出通道数 (Num) | 备注 |
|---|---|---|---|---|---|---|---|---|---|
conv1 |
Conv2d | 224x224x3 | 112x112x64 | 7x7 | 2 | 3 | 3 | 64 | 第一个卷积层，使用7x7的大卷积核，步长为2，填充为3，输出64个通道 |
maxpool1 |
MaxPooling2d | 112x112x64 | 56x56x64 | 3x3 | 2 | 1 | - | - | 第一个最大池化层，使用3x3的池化核，步长为2，填充为1 |
conv2 |
Conv2d | 56x56x64 | 56x56x192 | 3x3 | 1 | 1 | 64 | 192 | 第二个卷积层，使用3x3的卷积核，步长为1，填充为1，输出192个通道 |
maxpool2 |
MaxPooling2d | 56x56x192 | 28x28x192 | 3x3 | 2 | 1 | - | - | 第二个最大池化层，使用3x3的池化核，步长为2，填充为1 |
inception3a |
Inception Module | 28x28x192 | 28x28x256 | 多个卷积核 | 1 | 1 | 192 | 256 | 第一个Inception模块，包含多个分支，最终输出256个通道 |
Inception 模块 (inception3a) 详细参数
| 分支 | 类型 | 输入尺寸 | 输出尺寸 | 卷积核尺寸 | 步长 | 填充 | 输入通道数 (Channel) | 输出通道数 (Num) | 备注 |
|---|---|---|---|---|---|---|---|---|---|
branch1 |
Conv2d + ReLU | 28x28x192 | 28x28x64 | 1x1 | 1 | 0 | 192 | 64 | 使用1x1的卷积核进行降维，输出64个通道 |
branch2 |
Conv2d + ReLU + Conv2d + ReLU | 28x28x192 | 28x28x128 | 1x1, 3x3 | 1, 1 | 0, 1 | 192 | 96 | 1x1卷积核降维至96个通道，再通过3x3卷积核扩展到128个通道 |
branch3 |
Conv2d + ReLU + Conv2d + ReLU | 28x28x192 | 28x28x32 | 1x1, 5x5 | 1, 1 | 0, 2 | 192 | 16 | 1x1卷积核降维至16个通道，再通过5x5卷积核扩展到32个通道 |
branch4 |
MaxPooling2d + Conv2d + ReLU | 28x28x192 | 28x28x32 | 3x3, 1x1 | 1, 1 | 1, 0 | - | - | 3x3最大池化后，通过1x1卷积核降维至32个通道 |
表格解释
- 层名称：表示该层在 GoogLeNet 中的具体位置或名称。
- 类型：指明该层是卷积层（Conv2d）、最大池化层（MaxPooling2d）还是 Inception 模块。
- 输入尺寸 ：表示该层接收的输入特征图的尺寸，格式为
高度x宽度x通道数。 - 输出尺寸 ：表示该层产生的输出特征图的尺寸，格式为
高度x宽度x通道数。 - 卷积核尺寸：对于卷积层，表示使用的卷积核的尺寸；对于 Inception 模块，表示该模块内不同分支使用的卷积核尺寸。
- 步长：表示卷积或池化操作时的步长。
- 填充 ：表示卷积或池化操作时的填充方式，通常为
0或1。 - 输入通道数 (Channel)：表示该层接收的输入特征图的通道数。
- 输出通道数 (Num)：表示该层产生的输出特征图的通道数。
- 备注：提供额外的说明或解释，帮助理解该层的设计意图。
代码实现示例
python
import torch.nn as nn
class Inception(nn.Module):
def __init__(self, in_channels, ch1x1, ch3x3red, ch3x3, ch5x5red, ch5x5, pool_proj):
super(Inception, self).__init__()
self.branch1 = nn.Conv2d(in_channels, ch1x1, kernel_size=1)
self.branch2 = nn.Sequential(
nn.Conv2d(in_channels, ch3x3red, kernel_size=1),
nn.ReLU(),
nn.Conv2d(ch3x3red, ch3x3, kernel_size=3, padding=1)
)
self.branch3 = nn.Sequential(
nn.Conv2d(in_channels, ch5x5red, kernel_size=1),
nn.ReLU(),
nn.Conv2d(ch5x5red, ch5x5, kernel_size=5, padding=2)
)
self.branch4 = nn.Sequential(
nn.MaxPool2d(kernel_size=3, stride=1, padding=1),
nn.Conv2d(in_channels, pool_proj, kernel_size=1)
)
def forward(self, x):
branch1 = self.branch1(x)
branch2 = self.branch2(x)
branch3 = self.branch3(x)
branch4 = self.branch4(x)
outputs = [branch1, branch2, branch3, branch4]
return torch.cat(outputs, 1)
class GoogLeNet(nn.Module):
def __init__(self, num_classes=1000):
super(GoogLeNet, self).__init__()
self.conv1 = nn.Conv2d(3, 64, kernel_size=7, stride=2, padding=3)
self.maxpool1 = nn.MaxPool2d(kernel_size=3, stride=2, padding=1)
self.conv2 = nn.Conv2d(64, 192, kernel_size=3, padding=1)
self.maxpool2 = nn.MaxPool2d(kernel_size=3, stride=2, padding=1)
self.inception3a = Inception(192, 64, 96, 128, 16, 32, 32)
def forward(self, x):
x = self.conv1(x)
x = self.maxpool1(x)
x = self.conv2(x)
x = self.maxpool2(x)
x = self.inception3a(x)
return x总结
通过上述表格，我们可以清楚地看到 GoogLeNet 的前几层是如何逐步处理输入图像的。每个卷积层和池化层都有明确的参数设置，确保了网络能够有效地提取特征并减少计算量。特别是 Inception 模块的设计，通过引入不同大小的卷积核和池化操作，使得网络能够在多个尺度上捕捉图像特征，同时利用1x1卷积核进行降维，减少了参数数量，提高了计算效率。