卷积神经网络（CNN）学习笔记

Posted 2023-02-14 Vinicier

卷积神经网络（CNN）

Keywords：

常用网络：LeNet5 、AlexNet VGGNet、 GoogleNet、 ResNet、DenseNet

filter size

stripe

padding

参数共享机制

fine tuning

输入层、卷积层、激励层、池化层、全连接层、Softmax 输出层

一般CNN结构依次为：

一个CNN 层级结构示意图：

卷积层：一组固定的权重和不同窗口内数据做内积，就是卷积。

激励层：

激励函数：

Sigmoid ： $f(x) = \\frac11+e^(-x)$ 函数很容易饱和，$|x| \\geq 10$ 梯度近似于0

Tanh : $f(x)=\\frace^x-e^-xe^x+e^-x$ 相比Sigmoid 优点是对称中心在原点，缺陷是跟Sigmoid 相似，容易饱和。

ReLU：$f(x) = \\max\\0,x\\$ 收敛快（相比Sigmoid 大致提高6倍），求梯度简单，但比较脆弱

Leaky ReLU：$f(x)=\\max\\\\alpha x,x\\$ 不会饱和，计算速度也很快

ELU：指数线性单元，所有ReLU的优点都有，不会挂，输出均值趋于0，但是有指数存在，计算量略大。

Maxout：两条直线拼接，计算是线性，不会饱和不会挂，缺点是增加了参数。

工业上主流用的还是ReLU（或类ReLU）激励层。

池化层（Pooling layer）

pooling：原理是图像具有局部特征不变性，所以可以采用池化操作。

1. Max pooling
2. Average pooling

Max pooling 示意图

downsampling

全连接层 （Full connect layer）：所有神经元之间都有权重连接，试图尽可能将池化下采样中的信息恢复出来。如果一开始都用全连接层，参数太多，训练量太大，无法有效计算。

CNN 训练算法：

CNN 优缺点：

优点：

• 共享卷积核，对高维数据处理无压力；
• 无需手动选取特征，训练好权重，即获得特征
• 分类效果好

缺点：

• 需要调参，需要大样本量，训练最好要GPU
• 物理含义不明确

常见的CNN 框架

LeNet

AlexNet

GoogleNet

VGGNet

ResNet

DenseNet

---

Fine tuning：

Mini-batch SGD：

不断循环：

1. 采样一个batch 数据（如32张图片，可以做镜像对称）；
2. 前向计算得到损失loss
3. 反向传播计算梯度（一个batch上的）
4. 用这部分梯度迭代更新权重参数

CNN训练图像数据预处理： 去均值，但是不要做标准化、PCA和白化。

均值是训练集样本数据的均值，训练集和测试集均需要减去训练集样本均值。

权重初始化

权重初始化，不能全部初始化为0。可采用正态随机初始化

W = np.random.randn(m,n)*0.01 # W初始化，m是输入层神经元个数，n是输出层神经元个数

权重$W$的取值过小，会导致深层的激励为0

Xavier Initialization：

import numpy as np
W = np.random.randn(fan_in,fan_out)/np.sqrt(fan_in)

ReLU activation function:

import numpy as np
W = np.random.randn(node_in, node_out) / np.sqrt(node_in / 2)

Batch Normalization Layer （Google 提出）可以有效降低深度网络对weight初始化的依赖，防止“梯度弥散”:

import tensorflow as tf # tensorflow
# put this before nonlinear transformation
layer = tf.contrib.layers.batch_norm(layer, center=True, scale=True,
                                     is_training=True)

通常在全连接层后，激励层前做。因为全连接层对所有的神经元关联，波动性大。其对激励过后的结果进行约束，使激励后的结果呈现高斯分布。 是对SGD 反向传播训练权重W的约束

Training时 $\\mu_B$和 $\\sigma_B$由当前batch计算得出；在Testing时 $\\mu_B$和 $\\sigma_B$应使用Training时保存的均值或类似的经过处理的值，而不是由当前batch计算。 $\\gamma$ 和 $\\beta$ 都是有神经网络 训练得到， 作用则是为了让因训练所需而“刻意”加入的BN能够有可能还原最初的输入（（即当$\\gamma^(k)= \\sqrtVar[x^(k)]$ , $\\beta^k= E[x^(k)]$ 时）

Batch normalization 的好处：

1. 梯度传递（计算）更为顺畅；
2. 学习率设高一点也没关系；
3. 对初始值的依赖减少了！！！
4. 这里也可以看作是一种正则化，减少了对Dropout的需求。