Pytorch深度学习快速入门—LeNet简单介绍（附代码）

目录

一、网络模型结构

二、各层参数详解

2.1 INPUT层-输入层

2.2 C1层-卷积层

2.3 S2层-池化层（下采样层）

2.4 C3层-卷积层

2.5 S4层-池化层（下采样层）

2.6 C5层-卷积层

2.7 F6层-全连接层

2.8 Output层-全连接层

三、代码实现（采用的激活函数为relu函数）

3.1 搭建网络框架

3.2 定义数据集

3.3 定义损失函数与优化器

3.4 训练网络

3.5 测试网络

四、小结

---

一、网络模型结构

        LeNet是具有代表性的CNN，在1998年被提出，是进行手写数字识别的网络，是其他深度学习网络模型的基础。其网络模型结构如下图所示，它具有连续的卷积层和池化层，最后经全连接层输出结果。

二、各层参数详解

2.1 INPUT层-输入层

        数据input层，输入图像的尺寸为：32*32大小的一维一通道图片。

        注意：①灰度图像是单通道图像，其中每个像素只携带有关光强度的信息；

                   ②RGB图像是彩色图像，为三通道图像；

                   ③传统上输入层不被视为网络层次结构之一，因此输入层不算LeNet的网络结构。

2.2 C1层-卷积层

       输入数据（输入特征图input feature map）：32*32

       卷积核大小：5*5

计算公式：

；

其中，是指输入图片的高度；是指输入图片的宽度；是指卷积核的大小；padding是指向图片外面补边，默认为0；S是指步长，卷积核遍历图片的步长，默认为1。

       卷积核种类（通道数）：6

       输出数据（输出特征图output feature map）：28*28

2.3 S2层-池化层（下采样层）

       池化是缩小高、长方向上的空间的运算。

       输入数据：28*28

       采样区域：2*2

       采样种类（通道数）：6

       输出数据：14*14

注意：①经过池化运算，输入数据和输出数据的通道数不会发生变化。

②此时，S2中每个特征图的大小是C1中每个特征图大小的1/4.

2.4 C3层-卷积层

       输入数据：S2中所有6个或者几个特征map组合

       卷积核大小：5*5

       卷积核种类（通道数）：16

       输出数据（输出特征图output feature map）：10*10

注意：C3中的每个特征map是连接到S2中的所有6个或者几个特征map的，表示本层的特征map是上一层提取到的特征map的不同组合。

2.5 S4层-池化层（下采样层）

       输入数据：10*10

       采样区域：2*2

       采样种类（通道数）：16

       输出数据：5*5

2.6 C5层-卷积层

       输入数据：S4层的全部16个单元特征map（与s4全相连）

       卷积核大小：5*5

       卷积核种类（通道数）：120

       输出数据（输出特征图output feature map）：1*1

2.7 F6层-全连接层

       输入数据：120维向量

       输出数据：84维向量

2.8 Output层-全连接层

       输入数据：84维向量

       输出数据：10维向量

三、代码实现（采用的激活函数为relu函数）

3.1 搭建网络框架

（1）导包：

import torch
import torch.nn as nn
import torch.nn.functional as F

 （2）定义卷积神经网络：由于训练数据采用的是彩色图片（三通道），因此与上面介绍的通道数有出入。

class Net(nn.Module):
    def __init__(self):
        super(Net,self).__init__()
        self.conv1 = nn.Conv2d(3,6,5)
        self.conv2 = nn.Conv2d(6,16,5)
        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 = F.relu(x)
        x = F.max_pool2d(x,(2,2))
        x = F.max_pool2d(F.relu(self.conv2(x)),2)
        x = x.view(-1,x.size()[1:].numel())
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)
        return x

（3）测试网络效果：相当于打印初始化部分，可以查看网络的结构

net = Net()
print(net)

3.2 定义数据集

（1）导包：

import torchvision
import torchvision.transforms as transforms

（2）下载数据集：

        解决Downloading data from https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz国内下载速度缓慢的问题：

        解决方法：

①下载文件：下载地址：https://pan.baidu.com/s/1Nh28RyfwPNNfe_sS8NBNUA 

        提取码：1h4x

②将下载好的文件重命名为cifar-10-batches-py.tar.gz

③将文件保存至相应地址下即可

transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.5,0.5,0.5),(0.5,0.5,0.5))
])
 
trainset = torchvision.datasets.CIFAR10(root='./data',train=True,download=True,transform=transform)
testset = torchvision.datasets.CIFAR10(root='./data',train=False,download=True,transform=transform)
trainloader = torch.utils.data.DataLoader(trainset,batch_size=4,shuffle=True,num_workers=0)
testloader = torch.utils.data.DataLoader(testset,batch_size=4,shuffle=False,num_workers=0)

（3）定义元组：进行类别名的中文转换

classes = ('airplane','automobile','bird','car','deer','dog','frog','horse','ship','truck')

 （4）运行数据加载器：使用绘图函数查看数据加载效果

import matplotlib.pyplot as plt
import numpy as np
 
def imshow(img):
    img = img / 2 + 0.5
    npimg = img.numpy()
    plt.imshow(np.transpose(npimg,(1,2,0)))
    plt.show()
 
dataiter = iter(trainloader)
images,labels = dataiter.next()
 
imshow(torchvision.utils.make_grid(images))
 
print(labels)
print(labels[0],classes[labels[0]])
print(' '.join(classes[labels[j]] for j in range(4)))

3.3 定义损失函数与优化器

（1）定义损失函数：交叉熵损失函数

criterion = nn.CrossEntropyLoss()

（2）定义优化器：让网络进行更新，不断更新好的参数，达到更好的效果

import torch.optim as optim
optimizer = optim.SGD(net.parameters(),lr=0.001,momentum=0.9)

3.4 训练网络

for epoch in range(2):
    
    running_loss = 0.0
    
    for i,data in enumerate(trainloader,0):
        inputs,labels = data
        optimizer.zero_grad()
        
        outputs = net(inputs)
        loss = criterion(outputs,labels)
        loss.backward()
        optimizer.step()
        
        running_loss += loss.item()
        
        if i % 2000 == 1999:
            print('[%d,%5d] loss:%.3f' % (epoch + 1,i+1,running_loss/2000))
            running_loss = 0.0
 
print("Finish")

 

3.5 测试网络

（1）保存学习好的网络参数：将权重文件保存到本地，之后可以直接调用该文件

PATH='./cifar_net.pth'
torch.save(net.state_dict(),PATH)

（2） 测试一组图片的训练效果

dataiter = iter(testloader)
images,labels = dataiter.next()
imshow(torchvision.utils.make_grid(images))
print('GroundTruth:',' '.join('%5s'% classes[labels[j]] for j in range(4)))

（3）观察整个训练集的测试效果

correct = 0
total = 0
with torch.no_grad():
    for data in testloader:
        images,labels = data
        outputs = net(images)
        _,predicted = torch.max(outputs,1)
        
        total += labels.size(0)
        correct += (predicted == labels).sum().item()
 
correctGailv = 100*(correct / total)
print(correctGailv)

        注意：可通过修改epoch中训练的轮数提高准确率。通过将epoch训练的轮数从2修改为10，准确率可得到较大提高，如下图所示：

 

四、小结

        （1）与“目前的CNN”相比，LeNet有以下几个不同点：

        ①激活函数不同：LeNet使用sigmoid函数，而目前的CNN中主要使用ReLU函数，在上面的代码中也使用的是ReLU函数；

        ②原始的LeNet中使用子采样（subsampling）缩小中间数据的大小，而目前的CNN中Max池化是主流。

       （2）存在的疑问：

       ①卷积层的神经元节点个数与卷积层的输出通道数的关系？

        卷积层的神经元节点个数＝卷积层的输出feature map的元素数目（即输出feature map的宽，高和通道数之积）。每个输出通道上的神经元是参数共享的，所以可认为卷积层的神经元节点个数=卷积层的输出feature map的通道数（即卷积核的个数）。

        ②各层之间的内部原理还存在疑问；

        ③理解前向传播、反向传播、梯度更新的一些概念。

参考：

    ①：LeNet详解-CSDN博客

    ②：001网络初学_哔哩哔哩_bilibili