搭建不同网络训练MNIST

Posted 2023-01-30 算法与编程之美

问题
在之前的学习过程中，我们学习了如何搭建全连接神经网络训练Mnist数据集。初始时，全连接神经网络训练结果验证集和训练集的精确度不高，在对数据进行归一化，调参等操作提高了精确度。我们这次使用Le-Net5和VGG对MNIST进行训练，VGG采样层太多，计算量庞大，我们只进行搭建，也可以采用Google Colab进行训练。比较全连接和卷积神经网络异同。
Le-net5网络如下。

方法
搭建le-net5神经网络，定义了两层卷积层、两个均值池化以及三层全连接网络。使用summary可查看得到每层网络的输入和输出。

import torch from torch import nn from torchinfo import summary import torch.nn.functional as F import torchvision from torchvision import datasets,transforms from torch.utils.data import DataLoader import matplotlib.pyplot as plt from torchvision.transforms import ToTensor from torchvision.transforms import Normalize import time start=time.time() class MyNet(nn.Module):    # x=1*28*28 c*h*w c表示通道数，h表示图像高度，w表示图像宽度    #定义网络有哪些层，层作为成员变量    def __init__(self) -> None:        super().__init__()        self.conv1=nn.Conv2d(in_channels=1,                   out_channels=6,                   kernel_size=5,                   stride=1,                   padding=0)#[28]        self.avg_pool1 = nn.AvgPool2d(            2,            stride=2,        )        self.conv2=nn.Conv2d(in_channels=6,                   out_channels=16,                   kernel_size=5,                   stride=1,                  )        self.avg_pool2 = nn.AvgPool2d(            2,            stride=2,        )        self.fc1=nn.Linear(in_features=4 * 4 * 16,                        out_features=120,                                    )        self.fc2=nn.Linear(in_features=120,                        out_features=84,                                    )        self.fc3 = nn.Linear(in_features=84,                             out_features=10,                             )    def forward(self,x):        x=torch.relu(self.conv1(x))        x=torch.relu(self.avg_pool1(x))        x=torch.relu(self.conv2(x))        x=torch.relu(self.avg_pool2(x))        x=torch.flatten(x,1)# nn.Flatten()默认从dim=1开始 torch.flatten()默认从dim=0开始        x=torch.relu(self.fc1(x))        x=torch.relu(self.fc2(x))        out=torch.relu(self.fc3(x))        return out

搭建VGG11,定义了八个卷积层，五个最大池化层和三层全连接层。由于网络搭建复杂，计算量过大，运行很慢。VGG模型框架如下。

class MyNet(nn.Module):    # x=1*28*28 c*h*w c表示通道数，h表示图像高度，w表示图像宽度    #定义网络有哪些层，层作为成员变量    def __init__(self) -> None:        super().__init__()        self.conv1=nn.Conv2d(in_channels=1,                   out_channels=64,                   kernel_size=3,                   stride=1,                   padding=1)#[B,64,224,224]   self.MaxPool_1=nn.MaxPool2d(kernel_size=2,                                  stride=2)#[64,112,112]        self.conv2=nn.Conv2d(in_channels=64,                             out_channels=128,  # [B,128,112,112]                            kernel_size=3,                             stride=1,                             padding=1)        self.MaxPool_2= nn.MaxPool2d(kernel_size=2,                                  stride=2)#[128,56,56]        self.conv3=nn.Conv2d(in_channels=128,                             out_channels=256,  # [B,256,56,56]                            kernel_size=3,                             stride=1,                             padding=1)        self.conv4 = nn.Conv2d(            in_channels=256,            out_channels=256,            kernel_size=3,            stride=1,            padding=1#[256,56,56]        )        self.MaxPool_3 = nn.MaxPool2d(            kernel_size=2,            stride=2)#[256,28,28]        self.conv5 = nn.Conv2d(            in_channels=256,            out_channels=512,            kernel_size=3,            stride=1,            padding=1#[512,56,56]        )        self.conv6 = nn.Conv2d(            in_channels=512,            out_channels=512,            kernel_size=3,            stride=1,            padding=1#[512,56,56]        )        self.MaxPool_4 = nn.MaxPool2d(            kernel_size=2,            stride=2)#[512,14,14]        self.conv7 = nn.Conv2d(            in_channels=512,            out_channels=512,            kernel_size=3,            stride=1,#[512,28,28]            padding=1        )        self.conv8 = nn.Conv2d(            in_channels=512,            out_channels=512,            kernel_size=3,            stride=1,#[512,56,56]            padding=1        )        self.MaxPool_5=nn.MaxPool2d(            kernel_size=2,            stride=2)#[512,7,7]        self.fc1 = nn.Linear(            in_features=512 * 7 * 7,            out_features=4096        )        self.fc2 = nn.Linear(            in_features=4096,            out_features=4096        )        self.fc3 = nn.Linear(            in_features=4096,            out_features=10        )    def forward(self,x):        x=torch.relu(self.conv1(x))        x=torch.relu(self.MaxPool_1(x))        x=torch.relu(self.conv2(x))        x=torch.relu(self.MaxPool_2(x))        x = torch.relu(self.conv3(x))        x = torch.relu(self.conv4(x))        x = torch.relu(self.MaxPool_3(x))        x = torch.relu(self.conv5(x))        x = torch.relu(self.conv6(x))        x = torch.relu(self.MaxPool_4(x))        x = torch.relu(self.conv7(x))        x = torch.relu(self.conv8(x))        x = torch.relu(self.MaxPool_5(x))        x=torch.flatten(x,1)# nn.Flatten()默认从dim=1开始 torch.flatten()默认从dim=0开始        x=torch.relu(self.fc1(x))        x=torch.relu(self.fc2(x))        out=torch.relu(self.fc3(x))        return out

对比batch_size=64的全连接网络和le-net5卷积神经网络对MNIST数据集的效果。对数据结果进行数据可视化。

结语

图像的数据是一个矩阵，也就是一个像素点的和它所在位置的上下左右像素点有很大的相关性，将像素矩阵flatten后，左右的位置关系保留了，但是上下的位置关系却被破坏了。

卷积神经网络和全连接神经网络的不同之处在于，卷积神经网络的输入是图像的原始矩阵，这样保留了图像的上下左右位置关系。

数据可视化的结果显示，fcn和Le-net5的精确度达到最好的效果，验证集和训练集的精确度高达99%，FCN这组数据有些过拟合，FCN存在参数过多，而使用CNN可以减少参数，降低过拟合，在 Le-net5模型搭建为了降低过拟合，使用了Dropout方法。在训练VGG过程中可以降低batch_size，也可通过Google Colab进行训练。