Basic CNN

Basic CNN"/>

Basic CNN

笔记来自课程《Pytorch深度学习实践》Lecture 10

如下图所示，在做全联接的时候，把图片（1*28*28，即C*W*H）全部都拉成了一长串（1*...），所以卷积层是为了保留它的空间特征。

下采样时通道数C不变，下采样是为了减少数据量，从而减轻运算负担。

我们把卷积和下采样这部分称为“特征提取器”，即Feature Extraction。

 做了卷积之后，它的C和W和H都有可能会发生改变。

左上角为图片坐标的原点。

3通道的卷积，如下图所示。每一个通道都要 配一个核。

如果你的输出需要m个通道，那你就需要准备m个卷积核，最后把m个1*W'*H'的矩阵cat起来，得到一个m*W'*H'的矩阵：

每一个卷积核的通道数要求与输入数量一致，卷积核的个数与输出通道数一致。 

import torch
in_channels, out_channels= 5, 10 
width, height = 100, 100     # 图片的大小
kernel_size = 3
batch_size = 1input = torch.randn(batch_size, in_channels,width,height)
conv_layer = torch.nn.Conv2d(in_channels,     # nout_channels,    # mkernel_size=kernel_size)
output = conv_layer(input)print(input.shape) 
print(output.shape) 
print(conv_layer.weight.shape)

kernel_size - 卷积核的大小，3的话就是默认3*3，也可以传入元祖，如（5，5）

最终输出结果为

torch.Size([1, 5, 100, 100])
torch.Size([1, 10, 98, 98])
torch.Size([10, 5, 3, 3])

卷积层 - padding

3*3的就padding一圈，5*5就2圈，3/2 = 1，5/2 = 2

import torch
input = [3,4,6,5,7, 2,4,6,8,2, 1,6,7,8,4, 9,7,4,6,2, 3,7,5,4,1]
input = torch.Tensor(input).view(1, 1, 5, 5)    # (Batch, C, W, H)
conv_layer = torch.nn.Conv2d(1, 1, kernel_size=3, padding=1, bias=False)
kernel = torch.Tensor([1,2,3,4,5,6,7,8,9]).view(1, 1, 3, 3)    # (输入通道数, 输出通道数, W, H)
conv_layer.weight.data = kernel.data    # 卷积层权重的初始化
output = conv_layer(input) 
print(output)

input = torch.Tensor(input).view(1, 1, 5, 5) - input(batch, 通道数, width, height)

kernel = torch.Tensor([1,2,3,4,5,6,7,8,9]).view(1, 1, 3, 3) - （输出通道数，输入通道数，kernel宽度，kernel高度）

conv_layer.weight.data = kernel.data - 为卷积层的权重做一个初始化

卷积层 - 步长stride

import torch
input = [3,4,6,5,7, 2,4,6,8,2, 1,6,7,8,4, 9,7,4,6,2, 3,7,5,4,1]
input = torch.Tensor(input).view(1, 1, 5, 5)
conv_layer = torch.nn.Conv2d(1, 1, kernel_size=3, stride=2, bias=False)
kernel = torch.Tensor([1,2,3,4,5,6,7,8,9]).view(1, 1, 3, 3)
conv_layer.weight.data = kernel.data
output = conv_layer(input)
print(output)

MaxPooling Layer

最大池化层，它是没有权重的，2*2的池化层，默认stride = 2。做MaxPooling通道数不变，但是在下图中，图片缩小为为原来的一半。

import torch
input = [3,4,6,5, 2,4,6,8, 1,6,7,8, 9,7,4,6]
input = torch.Tensor(input).view(1, 1, 4, 4)
maxpooling_layer = torch.nn.MaxPool2d(kernel_size=2)
output = maxpooling_layer(input)
print(output)

 一个简单的CNN结构

第一个卷积层，用5*5的卷积，要小2圈，所以28-4 = 24

注意：在最后的分类器那一层，一定要算出来最终的元素个数，本例中是320

在fc之前，要做一个view，把20*4*4变成320. 然后fc把320直接降成10维.

pooling是没有权重的，所以有一个实例就行，like激活函数.

代码如下：

class Net(torch.nn.Module): def __init__(self):super(Net, self).__init__()self.conv1 = torch.nn.Conv2d(1, 10, kernel_size=5) self.conv2 = torch.nn.Conv2d(10, 20, kernel_size=5) self.pooling = torch.nn.MaxPool2d(2)self.fc = torch.nn.Linear(320, 10)def forward(self, x):# Flatten data from (n, 1, 28, 28) to (n, 784)batch_size = x.size(0)x = F.relu(self.pooling(self.conv1(x)))x = F.relu(self.pooling(self.conv2(x)))x = x.view(batch_size, -1) # flattenx = self.fc(x)return x
model = Net()

 使用GPU运行：

首先，要把模型迁移到GPU，在model = Net()后面增加下面两行代码：

device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu") 
model.to(device)

第一行 - Define device as the first visible cuda device if we have CUDA available.

第二行 - Convert parameters and buffers of all modules to CUDA Tensor.

接下来，把张量迁移到GPU，在train中增加inputs, target = inputs.to(device), target.to(device)，目的是Send the inputs and targets at every step to the GPU.

def train(epoch):running_loss = 0.0for batch_idx, data in enumerate(train_loader, 0):inputs, target = datainputs, target = inputs.to(device), target.to(device)optimizer.zero_grad()# forward + backward + updateoutputs = model(inputs)loss = criterion(outputs, target) loss.backward()optimizer.step()running_loss += loss.item() if batch_idx % 300 == 299:print('[%d, %5d] loss: %.3f' % (epoch + 1, batch_idx + 1, running_loss / 2000)) running_loss = 0.0

在test中也做类似的修改：

def test():correct = 0total = 0with torch.no_grad():for data in test_loader:inputs, target = datainputs, target = inputs.to(device), target.to(device) outputs = model(inputs)_, predicted = torch.max(outputs.data, dim=1)total += target.size(0)correct += (predicted == target).sum().item()print('Accuracy on test set: %d %% [%d/%d]' % (100 * correct / total, correct, total))