AlexNet

AlexNet-Model(pytorch版本)

参考文献格式：

1.一 论文导读
2.二 论文精读
3.三 代码实现
4.四 问题思索


《ImageNet Classification with Deep Convolutional Neural Network》

—基于卷积神经网络的图像分类

作者：Alex  Krizhevsky

单位：加拿大多伦多大学

发表会议及时间：NIPS 2012

一 论文导读

1.论文导读及研究背景介绍
AlexNet于2012年被提出，开启了深度学习的热潮。
在2012年之前对于图像的处理主要还是关于支持向量机的相关算法，支持向量机独立风骚十几年。由此可见，支持向量机有其特别出众发的优点。
但是在那个时候，人们对于图像处理并不自信，图像处理最基本的分类任务的最高准确率还只是出于89%左右，还是在一定的限定条件下。
16年残差神经网络让图像分类准确率达到96%及其以上，宣告了这类课题（识别图片等）的结束
CNN卷积是一种特征工程，用来提取特征
补充：LeNet简介
LeNet:径向基神经网络

研究一个网络最重要的就是特征工程，后面的分类用其他任何的分类器效果都不会差（有好的特征工程的情况下）
为什么说CNN那么强呢？看起来如此简单的结构，甚至让人不可思议，就这样的结构为什么能取代图像处理方面的复杂的特征工程，就是因为随着CNN的加深，卷积神经网络逐层提取了边缘、轮廓、高级语义等越来越高级的特征信息。就是因为CNN能提取到大部分的图像特征工程的特征信息，只要随着CNN层数的加深。
HR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzc1MzE4,size_16,color_FFFFFF,t_70)

ImageNet是人文、艺术类数据集，商业价值不高
Benchmark具有商业价值的模型

Baseline就是通用的普遍的模型
两个小型数据集，可以用来测测自己写的模型
Top1:小类

Top5:大类，所以Top5>Top1
图像分类的网络发展：（都是由卷积核构成的）
常用Vgg，

像GoogleNet、ResNet已经过于高级，适合比赛、论文。---- emmmm，2020的我对这句话感到羞愧！
二 论文精读

三 代码实现


from torch import nn

# 定义Alexnet网路结构
class AlexNet(nn.Module):
    def __init__(self, num_classes=5):
        super(AlexNet, self).__init__()
        self.features = nn.Sequential(
            nn.Conv2d(3, 64, kernel_size=3, stride=2, padding=1),  # 修改了这个地方，不知道为什么就对了
            # raw kernel_size=11, stride=4, padding=2. For use img size 224 * 224.
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),

            nn.Conv2d(64, 192, kernel_size=5, padding=2),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),

            nn.Conv2d(192, 384, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),

            nn.Conv2d(384, 256, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),

            nn.Conv2d(256, 256, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2), )
        self.classifier = nn.Sequential(
            nn.Dropout(),
            nn.Linear(256 * 1 * 1, 4096),
            nn.ReLU(inplace=True),
            nn.Dropout(),
            nn.Linear(4096, 4096),
            nn.ReLU(inplace=True),
            nn.Linear(4096, num_classes), )

    def forward(self, x):
        x = self.features(x)
        x = x.view(x.size(0), 256 * 1 * 1)
        x = self.classifier(x)
        # return F.log_softmax(inputs, dim=3)
        return x

四 问题思索

https://blog.csdn.net/daydayup_668819/article/details/79744095

Alexnet的主要贡献
1、使用了非线性激活函数RELU

2、防止过拟合的方法“Dropout”，Data Augumentation（数据增广）

3、其他：多GPU实现，LRN层的使用
使用ReLU激活函数
传统的神经网络普遍使用sigmoid或者tanh等非线性函数作为激活函数，但是容易出现梯度消失或者梯度爆炸的情况。在Alexnet中使用ReLU作为激活函数，其导数为1，计算量大大减小，收敛速度会比Sigmoid等快很多。
数据增广
当训练数据有限时，可以通过一些变换从已有的训练数据集中生成一些新的数据，以快速地扩充训练数据。其中，最简单、通用的图像数据变形的方式：水平翻转图像，从原始图像中随机裁剪、平移变换，颜色、光照变换。

AlexNet在训练时，在数据扩充（data augmentation）这样处理：

（1）随机裁剪，对256×256的图片进行随机裁剪到224×224，然后进行水平翻转，相当于将样本数量增加了（（256-224）^2）×2=2048倍；

（2）测试的时候，对左上、右上、左下、右下、中间分别做了5次裁剪，然后翻转，共10个裁剪，之后对结果求平均。作者说，如果不做随机裁剪，大网络基本上都过拟合；

（3）对RGB空间做PCA（主成分分析），然后对主成分做一个（0, 0.1）的高斯扰动，也就是对颜色、光照作变换，结果使错误率又下降了1%。
重叠池化
一般的池化（Pooling）是不重叠的，池化区域的窗口大小与步长相同。在AlexNet中使用的池化（Pooling）却是可重叠（Overlapping）的，也就是说，在池化的时候，每次移动的步长小于池化的窗口长度。AlexNet池化的大小为3×3的正方形，每次池化移动步长为2，这样就会出现重叠。重叠池化可以避免过拟合。
Dropout
引入Dropout主要是为了防止过拟合。在神经网络中Dropout通过修改神经网络本身结构来实现，对于某一层的神经元，通过定义的概率将神经元置为0，这个神经元就不参与前向和后向传播，就如同在网络中被删除了一样，同时保持输入层与输出层神经元的个数不变，然后按照神经网络的学习方法进行参数更新。在下一次迭代中，又重新随机删除一些神经元（置为0），直至训练结束。

Dropout也可以看成是一种模型组合，每次生成的网络结构都不一样，通过组合多个模型的方式能够有效地减少过拟合，Dropout只需要两倍的训练时间即可实现模型组合（类似取平均）的效果，非常高效。
Alexnet的特点与创新

Alexnet结构图