PyTorch基础（四）卷积神经网络
为什么要使用卷积神经网络？
对于计算机视觉来说，每一个图像是由一个个像素点构成，每个像素点有三个通道，分别代表RGB三种颜色(不计算透明度)，我们以手写识别的数据集MNIST举例，每个图像的是一个长宽均为28，channel为1的单色图像，如果使用全连接的网络结构，即，网络中的神经与相邻层上的每个神经元均连接，那就意味着我们的网络有28 28 =784个神经元（RGB3色的话还要3），hidden层如果使用了15个神经元，需要的参数个数(w和b)就有：28 28 15 * 10 + 15 + 10=117625个，这个数量级到现在为止也是一个很恐怖的数量级，一次反向传播计算量都是巨大的，这还展示一个单色的28像素大小的图片，如果我们使用更大的像素，计算量可想而知。
卷积神经网络结构组成
1. 卷积层
卷积核大小f
边界填充（p）padding： 经过卷积计算后，矩阵大小改变了，如果想要矩阵大小不变，可以先对矩阵进行一个填充，将矩阵周围全部再包围一层，原来5x5的矩阵变为7x7的，然后进行卷积之后计算结果还是5x5
步长（s）tride：从动图上我们能够看到，每次滑动只是滑动了一个距离，如果每次滑动两个距离呢？那要使用步长这个参数。
计算公式：
2. 激活函数
由于卷积的操作也是线性的，所以也需要进行激活，一般情况下，都会使用relu。
3. 池化层
池化层是CNN的重要组成部分，通过减少卷积层之间的连接，降低运算复杂程度，池化层的操作很简单，就想相当于是合并，我们输入一个过滤器的大小，与卷积的操作一样，也是一步一步滑动，但是过滤器覆盖的区域进行合并，只保留一个值。 合并的方式也有很多种，例如我们常用的两种取最大值maxpooling，取平均值avgpooling
池化层的输出大小公式也与卷积层一样，由于没有进行填充，所以p=0，可以简化为
4. dropout层
dropout是2014年 Hinton 提出防止过拟合而采用的trick，增强了模型的泛化能力 Dropout（随机失活）是指在深度学习网络的训练过程中，按照一定的概率将一部分神经网络单元暂时从网络中丢弃，相当于从原始的网络中找到一个更瘦的网络，说的通俗一点，就是随机将一部分网络的传播掐断，听起来好像不靠谱，但是通过实际测试效果非常好。 有兴趣的可以去看一下原文Dropout: A Simple Way to Prevent Neural Networks from Overfitting这里就不详细介绍了。
5. 全连接层
全链接层一般是作为最后的输出层使用，卷积的作用是提取图像的特征，最后的全连接层就是要通过这些特征来进行计算，输出我们所要的结果了，无论是分类，还是回归。
我们的特征都是使用矩阵表示的，所以再传入全连接层之前还需要对特征进行压扁，将他这些特征变成一维的向量，如果要进行分类的话，就是用sofmax作为输出，如果要是回归的话就直接使用linear即可。
经典模型
- LeNet-5
卷积神经网络的开山之作，麻雀虽小，但五脏俱全，卷积层、pooling层，全连接层这些都是现代CNN网络的基本组件
输出：10个类别，分别为0-9数字的概率
Input 32x32，
C1层卷积层，6个卷积核，每个卷积核大小为5x5，经过卷积层处理后变为6个28x28
S2层是pooling层，下采样（2x2）降低网络训练参数及模型的过拟合程度 池化处理后变为6个14x14
C3层是第二个卷积层， 使用16个卷积核，卷积核大小5x5，卷积处理后变为16x10x10
S4层是第二个pooling层，区域：2x2， 池化之后变为16x5x5
C5层是最后一个卷积层，卷积核大小5x5,卷积核种类120
最后使用全连接层，将C5的120个特征进行分类，最后输出0-9的概率
- AlexNet
可以算作LeNet的一个更深和更广的版本，可以用来学习更复杂的对象
改进：
1, 用rectified linear units（ReLU）得到非线性；
2, 使用 dropout 技巧在训练期间有选择性地忽略单个神经元，来减缓模型的过拟合；
3,重叠最大池，避免平均池的平均效果；
4,使用 GPU NVIDIA GTX 580 可以减少训练时间，这比用CPU处理快了 10 倍，所以可以被用于更大的数据集和图像上。
import torchvision
model = torchvision.models.alexnet(pretrained=False) #我们不下载预训练权重
print(model)
- VGG
特点：
1,每个卷积层中使用更小的 3×3 filters，并将它们组合成卷积序列
2,多个3×3卷积序列可以模拟更大的接收场的效果
3,每次的图像像素缩小一倍，卷积核的数量增加一倍
VGG有很多个版本，也算是比较稳定和经典的model。它的特点也是连续conv多计算量巨大，这里我们以VGG16为例:
import torchvision
model = torchvision.models.vgg16(pretrained=False) #我们不下载预训练权重
print(model)
- GoogLeNet（Inception）
特点：
1,使用1×1卷积块（NiN）来减少特征数量，这通常被称为“瓶颈”，可以减少深层神经网络的计算负担。
2,每个池化层之前，增加 feature maps，增加每一层的宽度来增多特征的组合性
# inception_v3需要scipy，所以没有安装的话pip install scipy 一下
import torchvision
model = torchvision.models.inception_v3(pretrained=False) #我们不下载预训练权重
print(model)
- ResNet
刚才的GoogLeNet已经很深了，ResNet可以做到更深，通过残差计算，可以训练超过1000层的网络，俗称跳连接
1，退化问题
网络层数增加，但是在训练集上的准确率却饱和甚至下降了。这个不能解释为overfitting，因为overfit应该表现为在训练集上表现更好才对。这个就是网络退化的问题，退化问题说明了深度网络不能很简单地被很好地优化
2，残差网络的解决办法
深层网络的后面那些层是恒等映射，那么模型就退化为一个浅层网络。那现在要解决的就是学习恒等映射函数了。让一些层去拟合一个潜在的恒等映射函数H(x) = x，比较困难。如果把网络设计为H(x) = F(x) + x。我们可以转换为学习一个残差函数F(x) = H(x) - x。 只要F(x)=0，就构成了一个恒等映射H(x) = x. 而且，拟合残差肯定更加容易。
import torchvision
model = torchvision.models.resnet18(pretrained=False) #我们不下载预训练权重
print(model)
resnet18网络结构：
网络选择
以上表格可以清楚的看到准确率和计算量之间的对比。我的建议是，小型图片分类任务，resnet18基本上已经可以了，如果真对准确度要求比较高，再选其他更好的网络架构。