一、VGGNET介绍
VGGNet是牛津大学计算机视觉组(Visual Geometry Group)和Google DeepMind公司一起研发的深度卷积神经网络。VGGNet探索了卷积神经网络的深度和其性能之间的关系，通过反复堆叠3×3的小型卷积核和2×2的最大池化层，VGGNet成功地构筑了16~19层深的卷积神经网络。到目前为止，VGGNet还经常被用来提取图像的特征。VGGNet训练后的模型参数在其官方网站上开源了，可用来在domain specific的图像分类任务上进行再训练(相当于提供了非常好的初始化权重)。下面是VGGNet从11层到19层的结构，VGGNet原文代码和tensorflow的实现请参考链接
本文主要介绍使用tensorflow来实现VGGNet16。
VGGNet有5段卷积，每一段内有2~3个卷积层，每段卷积的尾部会连接一个最大池化层来缩小图片的尺寸。每段内的卷积核数量一样，越靠后的段的卷积核数量越多，卷积核数量核段的关系:64-128-256-512-512。在段内有多个完全一样的3×3的卷积层堆叠在一起的情况，在卷积神经网络中这其实是一种非常有用的设计。两个3×3的卷积层串联相当于1个5×5的卷积层，即一个像素会和周围5×5的像素产生关联，也就是感受野为5×5。而3个3×3的卷积层串联的效果则相当于1个7×7的卷积层。同时，3个3×3卷积层比1个7×7的卷积层有着更少的参数，(3*3*3)/(7*7)=55%。最重要的是，3个3×3的卷积层拥有比1个7×7的卷积层更多的非线性变换，3个3×3的卷积层使用了3次RELU激活函数，而1个7×7的卷积层只使用了1次，这样可以让卷积神经网络对特征的学习能力更强。
VGGNet在训练的时候有一个小技巧，先训练级别A的简单网络，然后在复用A网络的权重来初始化后面的几个复杂模型，这样训练的收敛速度更快。预测时，VGGNet采用Multi-Scale的方法，将图像Scale到一个尺寸Q，并将图片输入卷积网络计算。然后在最后一个卷积层使用滑窗的方式进行分类预测，将不同窗口的分类结果进行平均，再将不同尺寸Q的结果平均得到最终结果，这样可以提高图片数据的利用率并提升预测准确率。同时在训练中，VGGNet还使用了Multi-Scale的方法做数据增强，将原始图片缩放到不同尺寸S，然后在随机裁剪成224×224的图片，来增加数据量，有效的防止模型过拟合
最后作者总结了几个观点：
1、LRN层作用不大
2、越深的网络效果越好
3、1×1的卷积也很有效，但是没有3×3的卷积好，大一些的卷积核可以学习到更大的特征空间。
二、tensorlfow实现VGGNet16
在实现VGGNet的过程中因为要使用到很多的卷积层、最大池化层、全连接层，为了减少代码量和降低代码耦合度，将分别定义几个函数来实现这些功能。
1、卷积层函数
''' 定义卷积层函数 input_op:输入的tensor name：该层的名称 kh:卷积核的高 kw:卷积核的宽 n_out:卷积核的数量(输出通道数) dh:步长的高 dw:步长的宽 p:参数列表 ''' 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: #初始化权重 kernel = tf.get_variable(scope+"w",shape=[kh,kw,n_in,n_out],dtype=tf.float32, initializer=tf.contrib.layers.xavier_initializer_conv2d()) #卷积 conv = tf.nn.conv2d(input_op,kernel,(1,dh,dw,1),padding="SAME") #初始化偏置 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) #保存参数 p += [kernel,biases] return activation
2、全连接层函数
''' 定义全连接层函数 input_op:输入的tensor name:该层的名称 n_out:输出的通道数 p:参数列表 ''' def fc_op(input_op,name,n_out,p): n_in = input_op.get_shape()[-1].value with tf.name_scope(name) as scope: #初始化全连接的权重 kernel = tf.get_variable(scope+"w",shape=[n_in,n_out],dtype=tf.float32, initializer=tf.contrib.layers.xavier_initializer()) #初始化全连接层的偏置 biases = tf.Variable(tf.constant(0.1,shape=[n_out],dtype=tf.float32),name="b") #将输入与权重的乘法和偏置的加法合并 activation = tf.nn.relu_layer(input_op,kernel,biases,name=scope) #保存参数 p += [kernel,biases] return activation
3、最大池化层函数
''' 定义最大池化层 input_op:输入的tensor name:该层的名称 kh:池化层的高 kw:池化层的宽 dh:步长的高 dw:步长的宽 ''' def max_pool(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)
4、VGGNet16的实现
''' VGG16 ''' def inference_op(input_op,keep_prob): p = [] #第一层的第一层卷积 conv1_1 = conv_op(input_op,name="conv1_1",kh=3,kw=3,n_out=64,dh=1,dw=1,p=p) #第一层的第二层卷积 conv1_2 = conv_op(conv1_1,name="conv1_2",kh=3,kw=3,n_out=64,dh=1,dw=1,p=p) #最大池化层 pool1 = max_pool(conv1_2,name="pool1",kh=2,kw=2,dw=2,dh=2) #第二层的第一层卷积 conv2_1 = conv_op(pool1,name="conv2_1",kh=3,kw=3,n_out=128,dh=1,dw=1,p=p) #第二层的第二层卷积 conv2_2 = conv_op(conv2_1,name="conv2_2",kh=3,kw=3,n_out=128,dh=1,dw=1,p=p) #第二层的最大池化 pool2 = max_pool(conv2_2,name="pool2",kh=2,kw=2,dh=2,dw=2) #第三层 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 = max_pool(conv3_3,name="pool3",kh=2,kw=2,dh=2,dw=2) #第四层 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 = max_pool(conv4_3,name="pool4",kh=2,kw=2,dh=2,dw=2) #第五层 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 = max_pool(conv5_3,name="pool5",kh=2,kw=2,dh=2,dw=2) #将pool5展平 pool5_shape = pool5.get_shape() flattened_shape = pool5_shape[1].value * pool5_shape[2].value * pool5_shape[3].value resh1 = tf.reshape(pool5,[-1,flattened_shape],name="resh1") #全连接层 fc6 = fc_op(resh1,name="fc6",n_out=4096,p=p) fc6_drop = tf.nn.dropout(fc6,keep_prob,name="fc6_drop") #全连接层 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
5、性能统计
性能统计模块主要统计网络迭代一次所需时间，由于刚开始运行程序的时候GPU需要加载内存会比较慢，所以统计通10次迭代以后才开始。
num_batches = 100 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))6、测试
通过使用random_normal来随机产生224×224的图片，进行测试。
batch_size = 32 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=0.1)) keep_prob = tf.placeholder(tf.float32) predictions,softmax,fc8,p=inference_op(images,keep_prob) init = tf.global_variables_initializer() sess = tf.Session() 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") if __name__ == "__main__": run_benchmark()前向传播测试
反向传播测试
