第二次作业：卷积神经网络 part 1

视频学习

数学基础
1. 矩阵秩的定义：
  - 线性方程组的角度：度量矩阵行列之间的相关性
  - 数据点分布的角度：表示数据需要的最小的基的数量
2. 矩阵低秩近似
3. 机器学习三要素
4. 欠拟合和过拟合
  - 欠拟合：训练集的一般性质尚未被学习器学好（训练误差大）
    
    提高模型复杂度：
    - 决策树：拓展分支
    - 神经网络：增加训练轮数
  - 过拟合：学习器把训练集特点当作样本的一般特点（训练误差小，测试误差大）
    
    降低模型复杂度
    - 优化目标正则项
    - 决策树：剪枝
    - 神经网络：early stop、dropout
    - 数据增广（训练集越大，越不容易过拟合）

卷积神经网络
1. 卷积神经网络的应用：分类、检测、分割、人脸识别，图像生成
2. 传统神经网络VS卷积神经网络
  - 深度学习三部曲：搭建神经网络〉损失函数〉优化函数
  - 全连接网络处理图像问题：参数太多：权重矩阵的参数太多（过拟合）
  - 卷积神经网络的解决方法：局部关联参数共享
3. 卷积
  
  input ：输入
  
  kernel/ filter ：卷积核/滤波器
  
  stride：步长
  
  weights：权重
  
  receptive field：感受野
  
  activation map/ feature map 特征图（卷积后的结果）
  
  padding ：填充
  
  depth/channel：深度
  
  output：输出
4. 池化（pooling）：保留了主要特征的同时减少了参数和计算量，防止过拟合，提高模型泛化能力
  - 最大值池化：Max pooling
  - 平均值池化：Average pooling
  - 全连接：两层之间的所有神经元都有权重链接，一般放在卷积神经网络尾部

RESNET解析

CNN可以拟合任何一个函数，但是随着网络层数过深，会出现网络退化现象。
Residual残差：H(x) 由于网络退化不能训练，用F(x) = H(x) - x 来训练。

下图是恒等映射：
ResNet = 5 个stage = 若干个block = 若干 layer。使用的是全局最大平均值化，替代全连接，参数减少（pytorch ：torch.nn.AdaptiveAvgPool2d(output_size)）
50层以下的ResNet的每个block都是2层layer，50层以上是3层（BottleNeck瓶颈）
代码

代码练习

MNIST数据集分类

MNIST 数据集分类

nn.Linear( )函数浅析

class Linear(Module):
...
__constants__ = ['bias']

def __init__(self, in_features, out_features, bias=True):
    super(Linear, self).__init__()
    self.in_features = in_features
    self.out_features = out_features
    self.weight = Parameter(torch.Tensor(out_features, in_features))
    if bias:
        self.bias = Parameter(torch.Tensor(out_features))
    else:
        self.register_parameter('bias', None)
    self.reset_parameters()
...

需要实现的内容： y=xAT+by = xA^T+by=xAT+b 计算步骤：

@weak_script_method
   def forward(self, input):
       return F.linear(input, self.weight, self.bias)

返回的是：input * weight + bias

对于 weight

weight: the learnable weights of the module of shape
    :math:`(	ext{out\_features}, 	ext{in\_features})`. The values are
    initialized from :math:`mathcal{U}(-sqrt{k}, sqrt{k})`, where
    :math:`k = frac{1}{	ext{in\_features}}`

对于bias

bias:   the learnable bias of the module of shape :math:`(	ext{out\_features})`.
       If :attr:`bias` is ``True``, the values are initialized from
      :math:`mathcal{U}(-sqrt{k}, sqrt{k})` where
      :math:`k = frac{1}{	ext{in\_features}}`

实例展示

举个例子：

1 import torch
2 nn1 = torch.nn.Linear(100, 50)
3 input1 = torch.randn(140, 100)
4 output1 = nn1(input1)
5 output1.size()
6 torch.Size([140, 50])

执行的操作是： [140,100]×[100,50]=140,50×[100,50]=140,50×[100,50]=[140,50]

张量的大小由 140 x 100 变成了 140 x 50

结果
- 不打乱像素顺序在全连接网络上：
- 不打乱像素顺序在CNN上：
- 打乱像素顺序在全连接网络上：
- 打乱像素顺序在CNN上：
  
  发现CNN会更依赖像素之间的局部关系，打乱顺序以后，这些像素间的关系将无法得到利用。

CIFAR10 数据集分类

pytorch中 nn.Conv2d的用法

 class torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)

pytorch中nn.MaxPool2d的用法
```
 class torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False) 
```
- kernel_size(int or tuple) - max pooling的窗口大小，可以为tuple，在nlp中tuple用更多，（n,1）
- stride(int or tuple, optional) - max pooling的窗口移动的步长。默认值是kernel_size
- padding(int or tuple, optional) - 输入的每一条边补充0的层数
- dilation(int or tuple, optional) – 一个控制窗口中元素步幅的参数
- return_indices - 如果等于True，会返回输出最大值的序号，对于上采样操作会有帮助
- ceil_mode - 如果等于True，计算输出信号大小的时候，会使用向上取整，代替默认的向下取整的操作
pytorch view() :返回一个新张量，它的数据与 self 张量相同，但 shape 不同。
结果：

某一组图片的识别结果

整个数据集的结果
CIFAR10 数据集分类 # 使用 CNN 对 CIFAR10 数据集进行分类

使用 VGG16 对 CIFAR10 分类

pytorch.torchvision.transforms使用说明
- transforms.Compose()
  
  作用：transforms.Compose()类用来组合多个torchvision.transforms操作。
  
  参数：一个list数组，数组里是多个'Transform'对象，即[transforms, transforms...]。
  
  操作：如下所示，遍历list数组，对img依次执行每个transforms操作，并返回transforms后的img。
```
def __call__(self, img):
       for t in self.transforms:
           img = t(img)
       return img
transforms.Compose([
   transforms.CenterCrop(10),
   transforms.ToTensor(),
])
```
把一个取值范围是[0,255]的PIL.Image或者shape为(H,W,C)的numpy.ndarray，转换成形状为[C,H,W]，取值范围是[0,1.0]的torch.FloadTensor

示例：
结果
Accuracy of the network on the 10000 test images: 83.05 %

和老师给的结果有一些出入，运行的时候提示：

RuntimeError: size mismatch, m1: [128 x 512], m2: [2048 x 10] at /pytorch/aten/src/THC/generic/THCTensorMathBlas.cu:283

所以我把最后一个512conv 改成了2048