【深度学习】VGGNet原理解析及实现

亦凉 2022-05-20 22:39 553阅读 0赞

# 【深度学习】VGGNet原理解析及实现 #

VGGNet由牛津大学的视觉几何组（Visual Geometry Group）和Google DeepMind公司的研究员共同提出，是ILSVRC-2014中定位任务第一名和分类任务第二名。其突出贡献在于证明使用**很小的卷积**（3\*3），增加网络深度可以有效提升模型的效果，而且VGGNet对其他数据集具有很好的**泛化**能力。到目前为止，VGGNet依然经常被用来**提取图像特征**。

VGGNet探索了CNN的深度及其性能之间的关系，通过**反复堆叠3\*3的小型卷积核和2\*2的最大池化层**，VGGNet成功的构筑了16-19层深的CNN。

**一、VGGNet结构**

**VGGNet有A-E七种结构，从A-E网络逐步变深，但是参数量并没有增长很多**（图6-7），原因为：参数量主要消耗在最后3个全连接层，而前面的卷积层虽然层数多，但消耗的参数量不大。不过，卷积层的训练比较耗时，因为其计算量大。

其中，D和E是常说的VGGNet-16和VGGNet-19。C很有意思，相比于B多了几个**1\*1的卷积层**，1\*1卷积的意义在于线性变换，而输入的通道数和输出的通道数不变，没有发生降维。

![70][]

![70 1][]

**VGG的性能：**

![70 2][]

VGGNet网络特点：

1. VGGNet拥有5段卷积，每段卷积内有2-3个卷积层，同时每段尾部都会连接一个最大池化层（用来缩小图片）。

2. 每段内的卷积核数量一样，越后边的段内卷积核数量越多，依次为:64-128-256-512-512

3. 越深的网络效果越好。(图6-9)

4. LRN层作用不大（作者结论）

5. 1\*1的卷积也是很有效的，但是没有3\*3的卷积好，大一些的卷积核可以学习更大的空间特征。

**为什么一个段内有多个3\*3的卷积层堆叠？**

这是个非常有用的设计。如下图所示，2个3\*3的卷积层串联相当于1个5\*5的卷积层，**即一个像素会跟周围5\*5的像素产生关联，可以说感受野大小为5\*5。**而3个3\*3的卷积层相当于1个7\*7的卷积层。并且，两个3\*3的卷积层的参数比1个5\*5的更少，前者为2\*3\*3=18，后者为1\*5\*5=25。

更重要的是，2个3\*3的卷积层比1个5\*5的卷积层有更多的非线性变换（前者可使用2次ReLu函数，后者只有两次），这使得CNN对特征的学习能力更强。

**所以3\*3的卷积层堆叠的优点为：**

（1）参数量更小

（2）小的卷积层比大的有更多的非线性变换，使得CNN对特征的学习能力更强。

**与其他网络对比：**

![70 3][]

与ILSVRC-2012和ILSVRC-2013最好结果相比，VGGNet优势很大。与GoogLeNet对比，虽然7个网络集成效果不如GoogLeNet，但是单一网络测试误差好一些，而且只用2个网络集成效果与GoogLeNet的7网络集成差不多。

**二、VGGNet实现**

**tensorboard可视化的VGGNet结构：**

**![70 4][]**

**1.卷积层操作**

因为要多次实现卷积操作，所以写了一个单独的卷积层实现。

def conv_op(input,kh,kw,n_out,dh,dw,parameters,name):
        """
        定义卷积层的操作
        :param input: 输入的tensor
        :param kh:卷积核的高
        :param kw:卷积核的宽
        :param n_out:输出通道数（即卷积核的数量）
        :param dh:步长的高
        :param dw:步长的宽
        :param parameters:参数列表
        :param name:层的名字
        :return:返回卷积层的结果
        """
    
        n_in = input.get_shape()[-1].value  #通道数
    
        with tf.name_scope(name) as scope:
            kernel =tf.get_variable(scope+'w',
                                    shape=[kh,kw,n_in,n_out],dtype=tf.float32,
                                    initializer=tf.contrib.layers.xavier_initializer_conv2d())
            conv=tf.nn.conv2d(input,kernel,[1,dh,dw,1],padding='SAME')
            biases=tf.Variable(tf.constant(0.0,shape=[n_out],dtype=tf.float32),
                               trainable=True,name='b')
            z=tf.nn.bias_add(conv,biases) # wx+b
            activation =tf.nn.relu(z,name=scope)
            parameters +=[kernel,biases]
            return activation

**2.全连接层操作**

def fc_op(input,n_out,parameters,name):
        """
        定义全连接层操作
        注意：卷积层的结果要做扁平化才能和fc层相连接；此全连接操作带着RELU
        :param input: 输入的tensor
        :param n_out: 输出通道数（即神经元的数量）
        :param parameters: 参数列表
        :param name: 层的名字
        :return: 返回全连接层的结果
        """

`n_in=input.get_shape()[-1].value with tf.name_scope(name) as scope: kernel =tf.get_variable(scope+'w', shape=[n_in,n_out],dtype=tf.float32, initializer=tf.contrib.layers.xavier_initializer() ) biases = tf.Variable(tf.constant(0.1, shape=[n_out], dtype=tf.float32), trainable=True, name='b') activation=tf.nn.relu(tf.matmul(input,kernel)+biases, name=scope) #ReLU parameters +=[kernel,biases] return activation 3.最大池化操作`

def maxPool_op(input,kh,kw,dh,dw,name):
        return tf.nn.max_pool(input,ksize=[1,kh,kw,1],strides=[1,dh,dw,1],
                              padding='SAME',name=name)

**4.VGGNet实现**

def vggNet(input,keep_prob):
        parameters =[]
    
        #conv1段
        conv1_1 =conv_op(input,kh=3,kw=3,n_out=64,dh=1,dw=1,
                        parameters=parameters,name='conv1_1')
        conv1_2 =conv_op(conv1_1, kh=3, kw=3, n_out=64, dh=1, dw=1,
                          parameters=parameters, name='conv1_2')
        pool1 =maxPool_op(conv1_2,kh=2,kw=2,dh=2,dw=2,name='pool1')
    
        # conv2段
        conv2_1 = conv_op(pool1, kh=3, kw=3, n_out=128, dh=1, dw=1,
                          parameters=parameters, name='conv2_1')
        conv2_2 = conv_op(conv2_1, kh=3, kw=3, n_out=128, dh=1, dw=1,
                          parameters=parameters, name='conv2_2')
        pool2 = maxPool_op(conv2_2, kh=2, kw=2, dh=2, dw=2, name='pool2')
    
        # conv3段
        conv3_1 = conv_op(pool2, kh=3, kw=3, n_out=256, dh=1, dw=1,
                          parameters=parameters, name='conv3_1')
        conv3_2 = conv_op(conv3_1, kh=3, kw=3, n_out=256, dh=1, dw=1,
                          parameters=parameters, name='conv3_2')
        conv3_3 = conv_op(conv3_2, kh=3, kw=3, n_out=256, dh=1, dw=1,
                          parameters=parameters, name='conv3_3')
        pool3 = maxPool_op(conv3_3, kh=2, kw=2, dh=2, dw=2, name='pool3')
    
    
        # conv4段
        conv4_1 = conv_op(pool3, kh=3, kw=3, n_out=512, dh=1, dw=1,
                          parameters=parameters, name='conv4_1')
        conv4_2 = conv_op(conv4_1, kh=3, kw=3, n_out=512, dh=1, dw=1,
                          parameters=parameters, name='conv4_2')
        conv4_3 = conv_op(conv4_2, kh=3, kw=3, n_out=512, dh=1, dw=1,
                          parameters=parameters, name='conv4_3')
        pool4 = maxPool_op(conv4_3, kh=2, kw=2, dh=2, dw=2, name='pool4')
    
        # conv5段
        conv5_1 = conv_op(pool4, kh=3, kw=3, n_out=512, dh=1, dw=1,
                          parameters=parameters, name='conv5_1')
        conv5_2 = conv_op(conv5_1, kh=3, kw=3, n_out=512, dh=1, dw=1,
                          parameters=parameters, name='conv5_2')
        conv5_3 = conv_op(conv5_2, kh=3, kw=3, n_out=512, dh=1, dw=1,
                          parameters=parameters, name='conv5_3')
        pool5 = maxPool_op(conv5_3, kh=2, kw=2, dh=2, dw=2, name='pool5')
    
        #将最后一个卷积层的结果扁平化:每个样本占一行
        conv_shape=pool5.get_shape()
        col=conv_shape[1].value *conv_shape[2].value * conv_shape[3].value
        flat=tf.reshape(pool5, [-1,col],name='flat')
    
        # fc6段
        fc6 =fc_op(input=flat,n_out=4096,parameters=parameters,name='fc6')
        fc6_dropout =tf.nn.dropout(fc6,keep_prob,name='fc6_drop')
    
        # fc7段
        fc7 = fc_op(input=fc6_dropout, n_out=4096, parameters=parameters, name='fc7')
        fc7_dropout = tf.nn.dropout(fc7, keep_prob, name='fc7_drop')
    
        # fc8段：最后一个全连接层，使用softmax进行处理得到分类输出概率
        fc8=fc_op(input=fc7_dropout,n_out=1000,parameters=parameters,name='fc8')
        softmax =tf.nn.softmax(fc8)
        predictions =tf.arg_max(softmax,1)
        return predictions,softmax,fc8,parameters

**5.测评：前向和反向用时测评**

def time_compute(session, target, feed,info_string):
        num_batch = 100 #100
        num_step_burn_in = 10  # 预热轮数，头几轮迭代有显存加载、cache命中等问题可以因此跳过
        total_duration = 0.0  # 总时间
        total_duration_squared = 0.0
        for i in range(num_batch + num_step_burn_in):
            start_time = time.time()
            _ = session.run(target,feed_dict=feed )
            duration = time.time() - start_time
            if i >= num_step_burn_in:
                if i % 10 == 0:  # 每迭代10次显示一次duration
                    print("%s: step %d,duration=%.5f " % (datetime.now(), i - num_step_burn_in, duration))
                total_duration += duration
                total_duration_squared += duration * duration
        time_mean = total_duration / num_batch
        time_variance = total_duration_squared / num_batch - time_mean * time_mean
        time_stddev = math.sqrt(time_variance)
        # 迭代完成，输出
        print("%s: %s across %d steps,%.3f +/- %.3f sec per batch " %
              (datetime.now(), info_string, num_batch, time_mean, time_stddev))

**6.运行结果**

为了节约时间，设置 batch\_size = 2 ，运行结果如下：前向预测和反向学习

前向预测：

![70 5][]

反向学习

![70 6][]

反向是前向用时的3-4倍。

【附录】整体代码

# -*- coding:utf-8 -*-
    """
    @author:Lisa
    @file:VggNet.py.py
    @note:from<tensorflow实战>
    @time:2018/6/25 0025下午 7:29
    """
    
    import tensorflow as tf
    import math
    import time
    from datetime import datetime
    
    def conv_op(input,kh,kw,n_out,dh,dw,parameters,name):
        """
        定义卷积层的操作
        :param input: 输入的tensor
        :param kh:卷积核的高
        :param kw:卷积核的宽
        :param n_out:输出通道数（即卷积核的数量）
        :param dh:步长的高
        :param dw:步长的宽
        :param parameters:参数列表
        :param name:层的名字
        :return:返回卷积层的结果
        """
    
        n_in = input.get_shape()[-1].value  #通道数
    
        with tf.name_scope(name) as scope:
            kernel =tf.get_variable(scope+'w',
                                    shape=[kh,kw,n_in,n_out],dtype=tf.float32,
                                    initializer=tf.contrib.layers.xavier_initializer_conv2d())
            conv=tf.nn.conv2d(input,kernel,[1,dh,dw,1],padding='SAME')
            biases=tf.Variable(tf.constant(0.0,shape=[n_out],dtype=tf.float32),
                               trainable=True,name='b')
            z=tf.nn.bias_add(conv,biases) # wx+b
            activation =tf.nn.relu(z,name=scope)
            parameters +=[kernel,biases]
            return activation
    
    def fc_op(input,n_out,parameters,name):
        """
        定义全连接层操作
        注意：卷积层的结果要做扁平化才能和fc层相连接
        :param input: 输入的tensor
        :param n_out: 输出通道数（即神经元的数量）
        :param parameters: 参数列表
        :param name: 层的名字
        :return: 返回全连接层的结果
        """
    
        n_in=input.get_shape()[-1].value
    
        with tf.name_scope(name) as scope:
            kernel =tf.get_variable(scope+'w',
                                    shape=[n_in,n_out],dtype=tf.float32,
                                    initializer=tf.contrib.layers.xavier_initializer() )
    
            biases = tf.Variable(tf.constant(0.1, shape=[n_out], dtype=tf.float32),
                                 trainable=True, name='b')
            activation=tf.nn.relu(tf.matmul(input,kernel)+biases, name=scope)
            parameters +=[kernel,biases]
            return activation
    
    
    def maxPool_op(input,kh,kw,dh,dw,name):
        return tf.nn.max_pool(input,ksize=[1,kh,kw,1],strides=[1,dh,dw,1],
                              padding='SAME',name=name)
    
    
    
    def vggNet(input,keep_prob):
        parameters =[]
    
        #conv1段
        conv1_1 =conv_op(input,kh=3,kw=3,n_out=64,dh=1,dw=1,
                        parameters=parameters,name='conv1_1')
        conv1_2 =conv_op(conv1_1, kh=3, kw=3, n_out=64, dh=1, dw=1,
                          parameters=parameters, name='conv1_2')
        pool1 =maxPool_op(conv1_2,kh=2,kw=2,dh=2,dw=2,name='pool1')
    
        # conv2段
        conv2_1 = conv_op(pool1, kh=3, kw=3, n_out=128, dh=1, dw=1,
                          parameters=parameters, name='conv2_1')
        conv2_2 = conv_op(conv2_1, kh=3, kw=3, n_out=128, dh=1, dw=1,
                          parameters=parameters, name='conv2_2')
        pool2 = maxPool_op(conv2_2, kh=2, kw=2, dh=2, dw=2, name='pool2')
    
        # conv3段
        conv3_1 = conv_op(pool2, kh=3, kw=3, n_out=256, dh=1, dw=1,
                          parameters=parameters, name='conv3_1')
        conv3_2 = conv_op(conv3_1, kh=3, kw=3, n_out=256, dh=1, dw=1,
                          parameters=parameters, name='conv3_2')
        conv3_3 = conv_op(conv3_2, kh=3, kw=3, n_out=256, dh=1, dw=1,
                          parameters=parameters, name='conv3_3')
        pool3 = maxPool_op(conv3_3, kh=2, kw=2, dh=2, dw=2, name='pool3')
    
    
        # conv4段
        conv4_1 = conv_op(pool3, kh=3, kw=3, n_out=512, dh=1, dw=1,
                          parameters=parameters, name='conv4_1')
        conv4_2 = conv_op(conv4_1, kh=3, kw=3, n_out=512, dh=1, dw=1,
                          parameters=parameters, name='conv4_2')
        conv4_3 = conv_op(conv4_2, kh=3, kw=3, n_out=512, dh=1, dw=1,
                          parameters=parameters, name='conv4_3')
        pool4 = maxPool_op(conv4_3, kh=2, kw=2, dh=2, dw=2, name='pool4')
    
        # conv5段
        conv5_1 = conv_op(pool4, kh=3, kw=3, n_out=512, dh=1, dw=1,
                          parameters=parameters, name='conv5_1')
        conv5_2 = conv_op(conv5_1, kh=3, kw=3, n_out=512, dh=1, dw=1,
                          parameters=parameters, name='conv5_2')
        conv5_3 = conv_op(conv5_2, kh=3, kw=3, n_out=512, dh=1, dw=1,
                          parameters=parameters, name='conv5_3')
        pool5 = maxPool_op(conv5_3, kh=2, kw=2, dh=2, dw=2, name='pool5')
    
        #将最后一个卷积层的结果扁平化:每个样本占一行
        conv_shape=pool5.get_shape()
        col=conv_shape[1].value *conv_shape[2].value * conv_shape[3].value
        flat=tf.reshape(pool5, [-1,col],name='flat')
    
        # fc6段
        fc6 =fc_op(input=flat,n_out=4096,parameters=parameters,name='fc6')
        fc6_dropout =tf.nn.dropout(fc6,keep_prob,name='fc6_drop')
    
        # fc7段
        fc7 = fc_op(input=fc6_dropout, n_out=4096, parameters=parameters, name='fc7')
        fc7_dropout = tf.nn.dropout(fc7, keep_prob, name='fc7_drop')
    
        # fc8段：最后一个全连接层，使用softmax进行处理得到分类输出概率
        fc8=fc_op(input=fc7_dropout,n_out=1000,parameters=parameters,name='fc8')
        softmax =tf.nn.softmax(fc8)
        predictions =tf.arg_max(softmax,1)
        return predictions,softmax,fc8,parameters
    
    
    def time_compute(session, target, feed,info_string):
        num_batch = 100 #100
        num_step_burn_in = 10  # 预热轮数，头几轮迭代有显存加载、cache命中等问题可以因此跳过
        total_duration = 0.0  # 总时间
        total_duration_squared = 0.0
        for i in range(num_batch + num_step_burn_in):
            start_time = time.time()
            _ = session.run(target,feed_dict=feed )
            duration = time.time() - start_time
            if i >= num_step_burn_in:
                if i % 10 == 0:  # 每迭代10次显示一次duration
                    print("%s: step %d,duration=%.5f " % (datetime.now(), i - num_step_burn_in, duration))
                total_duration += duration
                total_duration_squared += duration * duration
        time_mean = total_duration / num_batch
        time_variance = total_duration_squared / num_batch - time_mean * time_mean
        time_stddev = math.sqrt(time_variance)
        # 迭代完成，输出
        print("%s: %s across %d steps,%.3f +/- %.3f sec per batch " %
              (datetime.now(), info_string, num_batch, time_mean, time_stddev))
    
    
    def main():
        with tf.Graph().as_default():
            """仅使用随机图片数据 测试前馈和反馈计算的耗时"""
            image_size = 224
            batch_size = 2   #32
    
            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, parameters = vggNet(images,keep_prob)
    
            init = tf.global_variables_initializer()
            sess = tf.Session()
            sess.run(init)
    
            """
            AlexNet forward 计算的测评
            传入的target:fc8（即最后一层的输出）
            优化目标：loss
            使用tf.gradients求相对于loss的所有模型参数的梯度
    
    
            AlexNet Backward 计算的测评
            target:grad
    
            """
            time_compute(sess, target=fc8, feed={keep_prob:1.0},info_string="Forward")
    
            obj = tf.nn.l2_loss(fc8)
            grad = tf.gradients(obj, parameters)
            time_compute(sess, grad, feed={keep_prob:0.5},info_string="Forward-backward")
    
    
    if __name__ == "__main__":
        main()

[\------------------------------------------------------  END  \----------------------------------------------------------][------------------------------------------------------ END _----------------------------------------------------------]

参考：

《tensorflow实战》黄文坚（本文内容及代码大多源于此书，感谢！）

大牛论文《[VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION][] 》Karen Simonyan 等

#  #

# VGGNet笔记 https://blog.csdn.net/muyiyushan/article/details/62895202（翻译） #

[70]: /images/20220521/997613ca1ad043c4b8d6720c08e10ed7.png
[70 1]: /images/20220521/3e115583d16648da8640de5232aaf366.png
[70 2]: /images/20220521/42b3002023394f3f9b987f97d4457752.png
[70 3]: /images/20220521/2d1d44b9188b40529efbcc325aad1c0e.png
[70 4]: /images/20220521/b04cbe3b4ba044819e84b1c2cc61e40b.png
[70 5]: /images/20220521/4bf5ec2e6bb24cbd8dbd0848d9d315d3.png
[70 6]: /images/20220521/3a5e715b23fa4b92b731f6599d00956f.png
[------------------------------------------------------ END _----------------------------------------------------------]: http://https//blog.csdn.net/u012679707/article/details/80385465
[VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION]: https://arxiv.org/pdf/1409.1556.pdf