目录

1 前言

卷积神经网络的缩写是CNN，CNN被用于人工智能各个方面，如图像识别，语音识别，几乎基于深度学习的的方法都是以CNN为基础的，本章介绍CNN的结构以及代码实现。

1.1 整体结构

CNN中的整体结构中增加了卷积层和池化层，在之前的神经网络结构中，我们知道有隐藏层Affiine和激活成RELU。还有softmax进行分类输出最终的结果
在这里插入图片描述

现在CNN中只是将之前的Affine层替换成了卷积层Convolution，把激活层替换成了池化层。
在这里插入图片描述

1.2卷积层

CNN中会出现很多新术语，并且其中传递的数据都是多维度的数据，

1.2.1 全连接层出现的问题

在之前的全连接神经网络中我们是基于Affiine层的，这种神经网络忽略了数据的形状，每一层都与上一层连接，如果一个数据是多维度的话在这种神经网络中会被变换成一列，无法利用与形状有关的信息，比如空间上相邻的像素有相似的值，RBG 的各个通道之间的关系。CNN解决了这一问题，可以输入输出多维数据，我们把输入/输出的数据叫做输入/输出特征图。

1.2.2 卷积运算

在卷积运算过程中要加入滤波器，在这里滤波器的维度是22 ，卷积神经网络的维度是33，通过在卷积神经网络上移动，然后与滤波器相同位置上的数值相乘后相加，这样就可以得到一个2*2维度的输出结果。

如下图所示
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

1.2.3 填充

我们在卷积神经网络的计算中经常要用到填充，可以在周围填充1、2、3像素的0，比如在44的卷积神经网络中填充1像素的0就变成了66维度，用33的滤波器就可以生成44 维度的输出特征值
在这里插入图片描述
那为什么要使用填充呢？我们知道44的输入与33 的滤波器相乘之后会产生2*2的输出结果比输入来说经过卷积运算之后空间变小了，为了避免这样的情况就会使用填充，确保输出空间结构和输入空间结构一样，然后再传递给下一层神经网络。

1.2.4 步幅

步幅就是将输入数据应用到滤波器的幅度，如果中间间隔一个就是步幅为2，如下图
在这里插入图片描述
在这里插入图片描述

1.2.5 三维数据的卷积运算

在这里插入图片描述
需要注意的是，输入的通道数（多少个二维矩阵）要和滤波器的通道数相同，如上图所示，滤波器的通道数和输入的通道数都为3。

1.2.6 结合方块思考

将数据和滤波器结合长方体的方块来考虑，3维数据的卷积
在这里插入图片描述
上面最后输出的是一个特征图，如果要输出多个特征图，也就是说要在通道上进行多个卷积运，那么我们就需要多个滤波器了，如下图所示：
在这里插入图片描述
在这里插入图片描述

1.2.7 批处理

上面都是基于一个输入块的，如果有多个输入块的化，怎么处理呢
在这里插入图片描述

1.3 池化层

池化是缩小高、长方向上的空间的运算。他能把激活函数的输出规模缩小，如下图所示：
在这里插入图片描述
上面的图中选择的是最大数，实际上还有avg等各种取法
池化层
1、没有要学习的参数
是从目标区域中取最大值或者平均值
2、通道数不发生变化

在这里插入图片描述
3、对微小的位置变化具有鲁棒性
当输入数据发生微小的偏差的时候，池化层仍然会返回相同的结果
在这里插入图片描述

1.4 卷积层和池化层的实现

1.4.1 四维数组

我们在前面提到过进行批量处理的时候需要多一个数量的参数，对于一个三维图形就要多加一维。

1.4.2 基于im2col的展开

如果老老实实进行卷积运算，那么就需要把输入的3/4维数据展开，这样要多个for循环，需要注意的是Numpy在for循环计算速度比较慢，所以我们使用im2col函数实现。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

1.4.3 卷积层的实现

在这里插入图片描述

import sys,os
sys.path.append(os.pardir)
from common.util import im2col
x1=np.random.rand(1,3,3,7)
#x1为输入数据，由（数据量，通道，高，长）组成
col1=im2col(x1,5,5,stride=1,pad=0)#第一个5是滤波器的高，第二个5是滤波器的长，stride是步幅，pad是充
print(col1.shape) #(9,75)
x2=np.random.rand(10,3,7,7)
col2=im2col(x2,5,5,stride=1,pad=0)
print(col2.shape)#(90,75)
#卷积层实现类
class  Convolution:
	def __init__(self,w,b,strde=1,pad=0):
		self.w=w
		self.b=b
		self.stride=stride
		self.pad=pad
	def forward(self,x):
		FN,C,FH,FW=self.W.shape
		N,C,H,W=x.shape #输出大小计算
		out_h=int(1+(H+2*self.pad-FH)/self.stride)
		out_w=int(1+(w+2*self.pad-FW)/self.stride)
		col=im2col(x,FH,FW,self.stride,self.pad)
		col_w=self.w.reshape(FN,-1).T#滤波器的展开,FN,-1指的是FN行，自动控制有多少列
		out=np.dot(col,col_w)+self.b
		out=out.reshape(N,out_h,out_w,-1).transpose(0,3,1,2)#可以调度维度上数据的位置
		return out

在这里插入图片描述

1.4.4池化层的实现

池化层可以单独按通道展开
在这里插入图片描述
展开后取最大值，取值之后用reshape函数来进行重构维度
在这里插入图片描述

#池化层的实现类
class pooling:
	def  __init__(self,pool_h,pool_w,stride=1,pad=0):
		self.pool_h=pool_h
		self.pool_w=pool_w
		self.stride=stride
		self.pad=pad
	def forward(self,x):
		N,C,H,W=x.shape
		out_h=int(1+(H-self.pool_h)/self.stride)
		out_w=int(1+(W-self.pool_w)/self.pool_w)
		#展开（1）
		col=im2col(x,self,pool_h,self.pool_w,self.stride,self,pad)
		col=col.reshape(-1,self.pool_h*self.pool_w)
		#最大值
		out=np.max(col,axis=1)
		#转换（3）
		out=out.reshape(N,out_h,out_w,C).transpose(0,3,1,2)
		return out

如上实现池化层需要三步：
1.展开输入数据
2求各行的最大值
3转换为合适的输出大小

1.5 CNN 的实现

在这里插入图片描述
初始化参数
在这里插入图片描述
实现类代码

# coding: utf-8
import sys, os
sys.path.append(os.pardir)  # 为了导入父目录的文件而进行的设定
import pickle
import numpy as np
from collections import OrderedDict
from common.layers import *
from common.gradient import numerical_gradient

class SimpleConvNet:
    """简单的ConvNet
    conv - relu - pool - affine - relu - affine - softmax
    Parameters
    ----------
    input_size : 输入大小（MNIST的情况下为784）
    hidden_size_list : 隐藏层的神经元数量的列表（e.g. [100, 100, 100]）
    output_size : 输出大小（MNIST的情况下为10）
    activation : 'relu' or 'sigmoid'
    weight_init_std : 指定权重的标准差（e.g. 0.01）
        指定'relu'或'he'的情况下设定“He的初始值”
        指定'sigmoid'或'xavier'的情况下设定“Xavier的初始值”
    """
    def __init__(self, input_dim=(1, 28, 28), 
                 conv_param={'filter_num':30, 'filter_size':5, 'pad':0, 'stride':1},
                 hidden_size=100, output_size=10, weight_init_std=0.01):
        filter_num = conv_param['filter_num']
        filter_size = conv_param['filter_size']
        filter_pad = conv_param['pad']
        filter_stride = conv_param['stride']
        input_size = input_dim[1]
        conv_output_size = (input_size - filter_size + 2*filter_pad) / filter_stride + 1
        pool_output_size = int(filter_num * (conv_output_size/2) * (conv_output_size/2))

        # 初始化权重
        self.params = {}
        self.params['W1'] = weight_init_std * \
                            np.random.randn(filter_num, input_dim[0], filter_size, filter_size)
        self.params['b1'] = np.zeros(filter_num)
        self.params['W2'] = weight_init_std * \
                            np.random.randn(pool_output_size, hidden_size)
        self.params['b2'] = np.zeros(hidden_size)
        self.params['W3'] = weight_init_std * \
                            np.random.randn(hidden_size, output_size)
        self.params['b3'] = np.zeros(output_size)

        # 生成层
        self.layers = OrderedDict()
        self.layers['Conv1'] = Convolution(self.params['W1'], self.params['b1'],
                                           conv_param['stride'], conv_param['pad'])
        self.layers['Relu1'] = Relu()
        self.layers['Pool1'] = Pooling(pool_h=2, pool_w=2, stride=2)
        self.layers['Affine1'] = Affine(self.params['W2'], self.params['b2'])
        self.layers['Relu2'] = Relu()
        self.layers['Affine2'] = Affine(self.params['W3'], self.params['b3'])

        self.last_layer = SoftmaxWithLoss()

    def predict(self, x):
        for layer in self.layers.values():
            x = layer.forward(x)
        return x

    def loss(self, x, t):
        """求损失函数
        参数x是输入数据、t是教师标签
        """
        y = self.predict(x)
        return self.last_layer.forward(y, t)

    def accuracy(self, x, t, batch_size=100):
        if t.ndim != 1 : t = np.argmax(t, axis=1)
        
        acc = 0.0
        
        for i in range(int(x.shape[0] / batch_size)):
            tx = x[i*batch_size:(i+1)*batch_size]
            tt = t[i*batch_size:(i+1)*batch_size]
            y = self.predict(tx)
            y = np.argmax(y, axis=1)
            acc += np.sum(y == tt)       
        return acc / x.shape[0]

    def numerical_gradient(self, x, t):
        """求梯度（数值微分）
        Parameters
        ----------
        x : 输入数据
        t : 教师标签
        Returns
        -------
        具有各层的梯度的字典变量
            grads['W1']、grads['W2']、...是各层的权重
            grads['b1']、grads['b2']、...是各层的偏置
        """
        loss_w = lambda w: self.loss(x, t)

        grads = {}
        for idx in (1, 2, 3):
            grads['W' + str(idx)] = numerical_gradient(loss_w, self.params['W' + str(idx)])
            grads['b' + str(idx)] = numerical_gradient(loss_w, self.params['b' + str(idx)])

        return grads

    def gradient(self, x, t):
        """求梯度（误差反向传播法）
        Parameters
        ----------
        x : 输入数据
        t : 教师标签
        Returns
        -------
        具有各层的梯度的字典变量
            grads['W1']、grads['W2']、...是各层的权重
            grads['b1']、grads['b2']、...是各层的偏置
        """
        # forward
        self.loss(x, t)

        # backward
        dout = 1
        dout = self.last_layer.backward(dout)

        layers = list(self.layers.values())
        layers.reverse()
        for layer in layers:
            dout = layer.backward(dout)

        # 设定
        grads = {}
        grads['W1'], grads['b1'] = self.layers['Conv1'].dW, self.layers['Conv1'].db
        grads['W2'], grads['b2'] = self.layers['Affine1'].dW, self.layers['Affine1'].db
        grads['W3'], grads['b3'] = self.layers['Affine2'].dW, self.layers['Affine2'].db

        return grads
        
    def save_params(self, file_name="params.pkl"):
        params = {}
        for key, val in self.params.items():
            params[key] = val
        with open(file_name, 'wb') as f:
            pickle.dump(params, f)

    def load_params(self, file_name="params.pkl"):
        with open(file_name, 'rb') as f:
            params = pickle.load(f)
        for key, val in params.items():
            self.params[key] = val

        for i, key in enumerate(['Conv1', 'Affine1', 'Affine2']):
            self.layers[key].W = self.params['W' + str(i+1)]
            self.layers[key].b = self.params['b' + str(i+1)]

1.6 CNN的可视化

1.6.1 第一层权重的可视化

我们使用卷积滤波器的形状是（30,1，5,5），即30个大小为5*5通道为1 的滤波器济宁学习
代码实现如下

# coding: utf-8
import numpy as np
import matplotlib.pyplot as plt
from simple_convnet import SimpleConvNet

def filter_show(filters, nx=8, margin=3, scale=10):
    """
    c.f. https://gist.github.com/aidiary/07d530d5e08011832b12#file-draw_weight-py
    """
    FN, C, FH, FW = filters.shape
    ny = int(np.ceil(FN / nx))

    fig = plt.figure()
    fig.subplots_adjust(left=0, right=1, bottom=0, top=1, hspace=0.05, wspace=0.05)

    for i in range(FN):
        ax = fig.add_subplot(ny, nx, i+1, xticks=[], yticks=[])
        ax.imshow(filters[i, 0], cmap=plt.cm.gray_r, interpolation='nearest')
    plt.show()


network = SimpleConvNet()
# 随机进行初始化后的权重
filter_show(network.params['W1'])

# 学习后的权重
network.load_params("params.pkl")
filter_show(network.params['W1'])

第一层学习后的滤波器图像（权重参数图像）
在这里插入图片描述
在这里插入图片描述
可以看到滤波器学习图像的边缘部分，从而传递给下一次学习

1.6.2 基于分层结构的信息提取

上面的结果是基于第一层的卷积层得到的，第一层的卷积层中提取了边缘或者斑块信息，那么堆叠了多层的CNN中，各层中又会提取到什么信息？根据深度学习的研究，随着层次的加深，提取的信息（也就是反映神经元）也越来越抽象，
在这里插入图片描述
上图是具有8层CNN的AlexNet

1.7 具有代表性的CNN

关于CNN，我们已经提出了各种神经网络结构，具有代表性的是1998年提出的letNet,和2012年被提出的AlexNet

1.7.1 LetNet

这是进行手写数字识别的网络，它具有连续的卷积层和池化层，
在这里插入图片描述

1.7.2 AlexNet

在这里插入图片描述

小结

letNet和AlexNet 没有什么太大的不同，但是，围绕的环境和计算机技术有了很大的进步，擅长大规模并行计算的GPU得到了很大的普及，高速进行大量的运算已经得到了可能，大数据和GPU为深度学习提供了动力。

# python # 神经网络
Logo
CSDN学习社区

CSDN联合极客时间，共同打造面向开发者的精品内容学习社区，助力成长！

更多推荐

cover

用 OpenAI Assistants 做大模型应用开发

avatar CSDN学习社区
cover

1 小时解读鸿蒙 10 大热点问题

avatar CSDN学习社区
cover

1 小时解读鸿蒙 10 大热点问题

avatar CSDN学习社区