• 学习笔记TF031:实现VGGNet


    VGGNet,牛津大学计算机视觉组(Visual Geometry Group)和Google DeepMind公司一起研发,深度卷积神经网络。VGGNet反复堆叠3x3小型卷积核和2x2最大池化层,成功构筑16~19层深卷积神经网络。比state-of-the-art网络结构,错误率幅下降,取得ILSVRC 2014比赛分类第2名和定位第1名。拓展性强,迁移其他图片数据泛化性好。结构简洁,整个网络都用同样大小卷积核尺寸和最大池化尺寸。VGGNet训练后模型参数官方开源,domain specific图像分类任务再训练,提供较好初始化权重。

                           ConvNet Configuration
        A           A-LRN      B         C         D         E
        weight layers 11 11    13        16        16        19 
                          input(224x224 RGB image)
        conv3-64  conv3-64  conv3-64  conv3-64  conv3-64  conv3-64
                     LRN    conv3-64  conv3-64  conv3-64  conv3-64
                                 maxpool
        conv3-128 conv3-128 conv3-128 conv3-128 conv3-128 conv3-128
                            conv3-128 conv3-128 conv3-128 conv3-128
                                 maxpool
        conv3-256 conv3-256 conv3-256 conv3-256 conv3-256 conv3-256
        conv3-256 conv3-256 conv3-256 conv3-256 conv3-256 conv3-256
                            conv1-256 conv3-256 conv3-256 conv3-256
                                  maxpool
        conv3-512 conv3-512 conv3-512 conv3-512 conv3-512 conv3-512
        conv3-512 conv3-512 conv3-512 conv3-512 conv3-512 conv3-512
                            conv1-512 conv3-512 conv3-512 conv3-512
                                 maxpool
        conv3-512 conv3-512 conv3-512 conv3-512 conv3-512 conv3-512
        conv3-512 conv3-512 conv3-512 conv3-512 conv3-512 conv3-512
                            conv1-512 conv3-512 conv3-512 conv3-512
                                 maxpool
                                 FC-4096
                                 FC-4096
                                 FC-1000
                                 soft-max
    
        Network                 A,A-LRN   B    C    D    E
        Number of parameters      133    133  134  138  144

    卷积层参数量少,最后3个全连接层参数多。训练耗时在卷积,计算量较大。D为VGGNet-16,E为VGGNet-19。C比B多3个1x1卷积层,线性变换,输入、输出通道数不变,没降维。

    VGGNet 5段卷积,每段2~3卷积层,每段后接最大池化层给缩小图片尺寸。每段卷积核数量一样,越后段卷积核数量越多,64-128-256-512-512。多个3x3卷积层堆叠。2个3x3卷积层串联相当1个5x5。3个3x3卷积层串联相当1个7x7。 参数更少,非线性变换更多,增强特征学习能力。

    先训练级别A简单网络,再复用A网络权重初如化复杂模型,训练收敛速度更快。预测,Multi-Scale,图像scale尺寸Q,图片输入卷积网络计算。最后卷积层,滑窗分类预测,不同窗口分类结果平均,不同尺寸Q结果平均得最后结果,提高图片数据利用率,提升预测准确率。训练过程,用Multi-Scale数据增强,原始图像缩放不同尺寸S,随机裁切224x224图片,增加数据量,防止过拟合。

    LRN层作用不大,越深网络效果越好,1x1卷积很有效,但大卷积核可以学习更大空间特征。

    载入系统库、TensorFlow。

    conv_op函数,创建卷积层,参数存入参数列表。输入,input_op tensor,name 层名,kh kernel height 卷积核高,kw kernel width 卷积核宽,n_out 卷积核数量 输出通道数,dh 步长高,dw 步长宽,p参数列表。get_shape()[-1].value获取输入input_op通道数。tf.name_scope(name)设置scope。tf.get_variable创建kernel(卷积核),shape [kh,kw,n_in,n_out],卷积核高宽、输入输出通道数。tf.contrib.layers.xavier_initializer_conv2d()参数初始化。

    tf.nn.conv2d卷积处理input_op。卷积核kernel,步长dhxdw,paddings模式SAME。tf.constant 赋值biases 0,tf.Variable转可训练参数。tf.nn.bias_add 相加卷积结果conv和bias,tf.nn.relu非线性处理得activation。创建卷积层,参数kernel、biases添加到参数列表p,卷积层输出activation返回。

    全连接层创建函数 fc_op。先获取输入input_op通道数。tf.get_variable创建全连接层参数,第一维度输入通道数n_in,第二维度输出通道数n_out。xavier_initializer参数初始化。biases初始化0.1,避免dead neuron。tf.nn.relu_layer矩阵相乘input_op、kernel,加biases,ReLU非线性,交换得activation。全连接层参数kernel、biases添加参数列表p, activation返回。

    定义最大池化层创建函数mpool_op。tf.nn.max_pool,输入input_op,池化尺寸khxkw,步长dhxdw,padding模式SAME。

    VGGNet-16网络结构,6个部分,前5段卷积网络,最后一段全连接网络。定义创建VGGNet网络结构函数inference_op。输入input_op、keep_prob(控制dropout比率,placeholder)。先初始化参数列表p。

    创建第一段卷积网络,两个卷积层(conv_op),一个最大池化层(mpool_op)。卷积核大小3x3,卷积核数量(输出通道数) 64,步长1x1,全像素扫描。第一卷积层输入input_op尺寸224x224x3,输出尺寸224x224x64。第二卷积层输入输出尺寸224x224x64。最大池化层2x2,输出112x112x64。

    第二段卷积网络,2个卷积层,1个最大池化层。卷积输出通道数128。输出尺寸56x56x128。

    第三段卷积网络,3个卷积层,1个最大池化层。卷积输出通道数256。输出尺寸28x28x256。

    第四段卷积网络,3个卷积层,1个最大池化层。卷积输出通道数512。输出尺寸14x14x512。

    第五段卷积网络,3个卷积层,1个最大池化层。卷积输出通道数512。输出尺寸7x7x512。输出结果每个样本,tf.reshape 扁平化为长度7x7x512=25088一维向量。

    连接4096隐含点全连接层,激活函数ReLU。连接Dropout层,训练节点保留率0.5,预测1.0。

    全连接层,Dropout层。

    最后连接1000隐含点全连接层,Softmax 分类输出概率。tf.argmax 输出概率最大类别。返回fc8、softmax、predictions、参数列表p。

    VGGNet-16网络结构构建完成。

    评测函数time_tensorflow_run。session.run()方法,引入feed_dict,方便传入keep_prob控制Dropout层保留比率。

    评测主函数run_benchmark。评测forward(inference)、backward(trainning)运算性能。生成尺寸224x224随机图片,tf.random_nornal函数生成标准差0.1正态分布随机数。

    创建keep_prob placeholder,调用inference_op函数构建VGGNet-16网络结构,获得predictions、softmax、fc8、参数列表p。

    创建Session,初始化全局参数。设keep_prob 1.0 预测。time_tensorflow_run评测forward运算时间。

    计算VGGNet-16最后全连接层输出fc8 l2 loss。tf.gradients求loss所有模型参数梯度。time_tensorflow_run评测backward运算时间。target为求解梯度操作grad,keep_prob 0.5。设batch_size 32。

    执行评测主函数run_benchmark(),测试VGGNet-16 TensorFlow forward、backward耗时。forward平均每个batch耗时0.152s。backward求解梯度,平均每个batch耗时0.617s。

    VGGNet,7.3%错误率。更深网络,更小卷积核,隐式正则化。

        from datetime import datetime
        import math
        import time
        import tensorflow as tf
        def conv_op(input_op, name, kh, kw, n_out, dh, dw, p):
            n_in = input_op.get_shape()[-1].value
            with tf.name_scope(name) as scope:
                kernel = tf.get_variable(scope+"w",
                                     shape=[kh, kw, n_in, n_out],
                                     dtype=tf.float32, 
                                     initializer=tf.contrib.layers.xavier_initializer_conv2d())
                conv = tf.nn.conv2d(input_op, kernel, (1, dh, dw, 1), padding='SAME')
                bias_init_val = tf.constant(0.0, shape=[n_out], dtype=tf.float32)
                biases = tf.Variable(bias_init_val, trainable=True, name='b')
                z = tf.nn.bias_add(conv, biases)
                activation = tf.nn.relu(z, name=scope)
                p += [kernel, biases]
                return activation
        def fc_op(input_op, name, n_out, p):
            n_in = input_op.get_shape()[-1].value
            with tf.name_scope(name) as scope:
                kernel = tf.get_variable(scope+"w",
                                     shape=[n_in, n_out],
                                     dtype=tf.float32, 
                                     initializer=tf.contrib.layers.xavier_initializer())
                biases = tf.Variable(tf.constant(0.1, shape=[n_out], dtype=tf.float32), name='b')
                activation = tf.nn.relu_layer(input_op, kernel, biases, name=scope)
                p += [kernel, biases]
                return activation
        def mpool_op(input_op, name, kh, kw, dh, dw):
            return tf.nn.max_pool(input_op,
                              ksize=[1, kh, kw, 1],
                              strides=[1, dh, dw, 1],
                              padding='SAME',
                              name=name)
        def inference_op(input_op, keep_prob):
            p = []
            # assume input_op shape is 224x224x3
            # block 1 -- outputs 112x112x64
            conv1_1 = conv_op(input_op, name="conv1_1", kh=3, kw=3, n_out=64, dh=1, dw=1, p=p)
            conv1_2 = conv_op(conv1_1,  name="conv1_2", kh=3, kw=3, n_out=64, dh=1, dw=1, p=p)
            pool1 = mpool_op(conv1_2,   name="pool1",   kh=2, kw=2, dw=2, dh=2)
            # block 2 -- outputs 56x56x128
            conv2_1 = conv_op(pool1,    name="conv2_1", kh=3, kw=3, n_out=128, dh=1, dw=1, p=p)
            conv2_2 = conv_op(conv2_1,  name="conv2_2", kh=3, kw=3, n_out=128, dh=1, dw=1, p=p)
            pool2 = mpool_op(conv2_2,   name="pool2",   kh=2, kw=2, dh=2, dw=2)
            # # block 3 -- outputs 28x28x256
            conv3_1 = conv_op(pool2,    name="conv3_1", kh=3, kw=3, n_out=256, dh=1, dw=1, p=p)
            conv3_2 = conv_op(conv3_1,  name="conv3_2", kh=3, kw=3, n_out=256, dh=1, dw=1, p=p)
            conv3_3 = conv_op(conv3_2,  name="conv3_3", kh=3, kw=3, n_out=256, dh=1, dw=1, p=p)    
            pool3 = mpool_op(conv3_3,   name="pool3",   kh=2, kw=2, dh=2, dw=2)
            # block 4 -- outputs 14x14x512
            conv4_1 = conv_op(pool3,    name="conv4_1", kh=3, kw=3, n_out=512, dh=1, dw=1, p=p)
            conv4_2 = conv_op(conv4_1,  name="conv4_2", kh=3, kw=3, n_out=512, dh=1, dw=1, p=p)
            conv4_3 = conv_op(conv4_2,  name="conv4_3", kh=3, kw=3, n_out=512, dh=1, dw=1, p=p)
            pool4 = mpool_op(conv4_3,   name="pool4",   kh=2, kw=2, dh=2, dw=2)
            # block 5 -- outputs 7x7x512
            conv5_1 = conv_op(pool4,    name="conv5_1", kh=3, kw=3, n_out=512, dh=1, dw=1, p=p)
            conv5_2 = conv_op(conv5_1,  name="conv5_2", kh=3, kw=3, n_out=512, dh=1, dw=1, p=p)
            conv5_3 = conv_op(conv5_2,  name="conv5_3", kh=3, kw=3, n_out=512, dh=1, dw=1, p=p)
            pool5 = mpool_op(conv5_3,   name="pool5",   kh=2, kw=2, dw=2, dh=2)
            # flatten
            shp = pool5.get_shape()
            flattened_shape = shp[1].value * shp[2].value * shp[3].value
            resh1 = tf.reshape(pool5, [-1, flattened_shape], name="resh1")
            # fully connected
            fc6 = fc_op(resh1, name="fc6", n_out=4096, p=p)
            fc6_drop = tf.nn.dropout(fc6, keep_prob, name="fc6_drop")
            fc7 = fc_op(fc6_drop, name="fc7", n_out=4096, p=p)
            fc7_drop = tf.nn.dropout(fc7, keep_prob, name="fc7_drop")
            fc8 = fc_op(fc7_drop, name="fc8", n_out=1000, p=p)
            softmax = tf.nn.softmax(fc8)
            predictions = tf.argmax(softmax, 1)
            return predictions, softmax, fc8, p
        
        def time_tensorflow_run(session, target, feed, info_string):
            num_steps_burn_in = 10
            total_duration = 0.0
            total_duration_squared = 0.0
            for i in range(num_batches + num_steps_burn_in):
                start_time = time.time()
                _ = session.run(target, feed_dict=feed)
                duration = time.time() - start_time
                if i >= num_steps_burn_in:
                    if not i % 10:
                        print ('%s: step %d, duration = %.3f' %
                           (datetime.now(), i - num_steps_burn_in, duration))
                    total_duration += duration
                    total_duration_squared += duration * duration
            mn = total_duration / num_batches
            vr = total_duration_squared / num_batches - mn * mn
            sd = math.sqrt(vr)
            print ('%s: %s across %d steps, %.3f +/- %.3f sec / batch' %
               (datetime.now(), info_string, num_batches, mn, sd))
        def run_benchmark():
            with tf.Graph().as_default():
                image_size = 224
                images = tf.Variable(tf.random_normal([batch_size,
                                                   image_size,
                                                   image_size, 3],
                                                   dtype=tf.float32,
                                                   stddev=1e-1))
                keep_prob = tf.placeholder(tf.float32)
                predictions, softmax, fc8, p = inference_op(images, keep_prob)
                init = tf.global_variables_initializer()
                config = tf.ConfigProto()
                config.gpu_options.allocator_type = 'BFC'
                sess = tf.Session(config=config)
                sess.run(init)
                time_tensorflow_run(sess, predictions, {keep_prob:1.0}, "Forward")
                objective = tf.nn.l2_loss(fc8)
                grad = tf.gradients(objective, p)
                time_tensorflow_run(sess, grad, {keep_prob:0.5}, "Forward-backward")
        batch_size=32
        num_batches=100
        run_benchmark()

    参考资料:
    《TensorFlow实战》

    欢迎付费咨询(150元每小时),我的微信:qingxingfengzi

  • 相关阅读:
    React Native之Android应用开发IDE选项
    react-native环境配置——Android工程搭建
    《更换电池》
    canvas绘图是基于状态的绘图方式
    关于JSONP的一些概念
    iOS 学习笔记七 【博爱手把手教你使用2016年gitHub Mac客户端】
    iOS 学习笔记六 【APP中的文字和APP名字的国际化多语言处理】
    iOS 学习笔记五 【2016年百度地图定位详细使用方法】
    iOS 学习笔记四 【xcode 7.3 ESJsonFormat-Xcode 插件不能使用的解决办法】
    iOS 学习笔记三【segmentedControl分段控制器详细使用方法】
  • 原文地址:https://www.cnblogs.com/libinggen/p/7237319.html
Copyright © 2020-2023  润新知