野生调参侠的博客
0%

2023-12-5：Residual-Networks（ResNet）

发表于 更新于 分类于 ， ， ，
本文字数： 12k 阅读时长 ≈ 21 分钟

1.任务

​ 先一个个实现ResNets的网络模块，然后将这些模块拼到一起构建ResNets来实现图像分类 。

2.导入依赖包

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
import numpy as np
from keras import layers
from keras.layers import Input, Add, Dense, Activation, ZeroPadding2D, BatchNormalization, Flatten, Conv2D, AveragePooling2D, MaxPooling2D, GlobalMaxPooling2D
from keras.models import Model, load_model
from keras.preprocessing import image
from keras.utils import layer_utils
from keras.utils.data_utils import get_file
from keras.applications.imagenet_utils import preprocess_input
import pydot
from IPython.display import SVG
from keras.utils.vis_utils import model_to_dot
from keras.utils import plot_model
from resnets_utils import *
from keras.initializers import glorot_uniform
import scipy.misc
from matplotlib.pyplot import imshow

import keras.backend as K
K.set_image_data_format('channels_last')
K.set_learning_phase(1)

3.背景介绍

​ 上篇文章建立第一个卷积神经网络。近年来，神经网络变得越来越深，最先进的网络从只有几层（例如，AlexNet）发展到超过一百层。

​ 非常深网络的主要优点是它可以表示非常复杂的函数。它还可以在许多不同的抽象层次上学习特征，从较低层的边缘到较深层的非常复杂特征。然而，使用更深的网络并不总是有帮助。训练它们的一个巨大障碍是梯度消失：非常深的网络通常具有迅速趋近于零的梯度信号，从而使梯度下降变得非常缓慢。更具体地说，在梯度下降过程中，当你从最后一层反向传播回第一层时，你在每一步上都在乘以权重矩阵，因此梯度可以迅速指数级地减小到零（或者，在极少数情况下，指数级地增长并“爆炸”到非常大值）。

​ 在训练过程中，你可能会看到随着训练的进行，较早层的梯度的大小（或范数）迅速减小到零：

vanishing_grad_kiank

4.创建一个ResNet（残差网络）

skip_connection_kiank

​ 左侧的图像显示了网络的“主要路径”。右侧的图像在主要路径上添加了一个快捷方式。通过将这些ResNet块堆叠在一起，您可以形成一个非常深的网络。

​ 我们还看到，具有快捷方式的ResNet块使得其中一个块学习恒等函数变得非常容易。这意味着您可以在几乎没有损害训练集性能的风险下堆叠额外的ResNet块。（还有一些证据表明，学习恒等函数的容易程度 - 甚至比跳过连接帮助解决梯度消失问题 - 解释了ResNet的卓越性能）

​ ResNet网络主要包含两个模块（The identity block、The convolutional block）

4.1The identity block

身份块是ResNet中使用的标准块，对应于输入激活（比如 ）与输出激活（比如 ）具有相同维度的情况。为了详细说明ResNet的身份块中发生的不同步骤，这里有一个替代图表展示了各个步骤：

主路径的第一部分：

  • 第一个CONV2D有 $F_1$ 个形状为 (1,1) 的滤波器，步长为 (1,1)。它的填充是“有效的”，其名称应该是 conv_name_base + '2a'。使用0作为随机初始化的种子。
  • 第一个BatchNorm 正在规范化通道轴。它的名字应该是 bn_name_base + '2a'。
  • 然后应用ReLU激活函数。这没有名称和超参数。

主路径的第二部分：

  • 第二个CONV2D有 $F_2$ 个形状为 $(f,f)$ 的滤波器，步长为 (1,1)。它的填充是“相同的”，其名称应该是 conv_name_base + '2b'。使用0作为随机初始化的种子。
  • 第二个BatchNorm 正在规范化通道轴。它的名字应该是 bn_name_base + '2b'。
  • 然后应用ReLU激活函数。这没有名称和超参数。

主路径的第三部分：

  • 第三个CONV2D有 $F_3$ 个形状为 (1,1) 的滤波器，步长为 (1,1)。它的填充是“有效的”，其名称应该是 conv_name_base + '2c'。使用0作为随机初始化的种子。
  • 第三个BatchNorm 正在规范化通道轴。它的名字应该是 bn_name_base + '2c'。注意，在这个组件中没有ReLU激活函数。

最后一步：

  • 快捷方式和输入一起相加。
  • 然后应用ReLU激活函数。这没有名称和超参数。

代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
# GRADED FUNCTION: identity_block
def identity_block(X, f, filters, stage, block):
    """
    实现了图3中定义的身份块

    参数:
    X -- 输入张量，形状为 (m, n_H_prev, n_W_prev, n_C_prev)
    f -- 整数，指定主路径中间卷积层窗口的形状
    filters -- Python整数列表，定义主路径中卷积层的滤波器数量
    stage -- 整数，用于根据网络中的位置命名层
    block -- 字符串/字符，用于根据网络中的位置命名层
    
    返回:
    X -- 身份块的输出，张量形状为 (n_H, n_W, n_C)
    """
    
    # 定义命名基础
    conv_name_base = 'res' + str(stage) + block + '_branch'
    bn_name_base = 'bn' + str(stage) + block + '_branch'
    
    # 检索滤波器
    F1, F2, F3 = filters
    
    # 保存输入值。稍后需要将其加回主路径。
    X_shortcut = X
    
    # 主路径的第一部分
    X = Conv2D(filters=F1, kernel_size=(1, 1), strides=(1,1), padding='valid', name=conv_name_base + '2a', kernel_initializer=glorot_uniform(seed=0))(X)
    X = BatchNormalization(axis=3, name=bn_name_base + '2a')(X)
    X = Activation('relu')(X)
    
    # 主路径的第二部分（约3行代码）
    X = Conv2D(filters=F2, kernel_size=(f, f), strides=(1, 1), padding="same", name=conv_name_base + '2b', kernel_initializer=glorot_uniform(seed=0))(X)
    X = BatchNormalization(axis=3, name=bn_name_base + '2b')(X)
    X = Activation('relu')(X)

    # 主路径的第三部分（约2行代码）
    X = Conv2D(filters=F3, kernel_size=(1, 1), strides=(1, 1), padding="valid", name=conv_name_base + '2c', kernel_initializer=glorot_uniform(seed=0))(X)
    X = BatchNormalization(axis=3, name=bn_name_base + '2c')(X)

    # 最后一步：将快捷方式值添加到主路径，然后通过RELU激活函数（约2行代码）
    X = Add()([X, X_shortcut])
    X = Activation('relu')(X)
    
    return X

部署：

1
2
3
4
5
6
7
8
9
10
tf.reset_default_graph()

with tf.Session() as test:
    np.random.seed(1)
    A_prev = tf.placeholder("float", [3, 4, 4, 6])
    X = np.random.randn(3, 4, 4, 6)
    A = identity_block(A_prev, f = 2, filters = [2, 4, 6], stage = 1, block = 'a')
    test.run(tf.global_variables_initializer())
    out = test.run([A], feed_dict={A_prev: X, K.learning_phase(): 0})
    print("out = " + str(out[0][1][1][0]))

输出：

1
out = [0.19716813 0.         1.3561227  	  2.1713073  0.         1.3324987 ]

4.2The convolutional block

convblock_kiank

​ 快捷路径上的CONV2D层用于将输入 调整至不同的维度，以便在最终添加步骤中实现快捷路径值与主路径的维度匹配。（这与课堂上讨论的矩阵 扮演相似的角色。）例如，要将激活维度的高度和宽度减少2倍，你可以使用步长为2的1x1卷积。快捷路径上的CONV2D层不使用任何非线性激活函数。其主要角色是仅应用（学习的）线性函数来降低输入的维度，以便后续添加步骤中的维度匹配。

卷积块的细节如下。

主路径的第一部分：

  • 第一个CONV2D有 个形状为 (1,1) 的滤波器，步长为 (s,s)。它的填充是“有效的”，其名称应该是 conv_name_base + '2a'。
  • 第一个BatchNorm 正在规范化通道轴。它的名字应该是 bn_name_base + '2a'。
  • 然后应用ReLU激活函数。这没有名称和超参数。

主路径的第二部分：

  • 第二个CONV2D有 个形状为 (f,f) 的滤波器，步长为 (1,1)。它的填充是“相同的”，其名称应该是 conv_name_base + '2b'。
  • 第二个BatchNorm 正在规范化通道轴。它的名字应该是 bn_name_base + '2b'。
  • 然后应用ReLU激活函数。这没有名称和超参数。

主路径的第三部分：

  • 第三个CONV2D有 个形状为 (1,1) 的滤波器，步长为 (1,1)。它的填充是“有效的”，其名称应该是 conv_name_base + '2c'。
  • 第三个BatchNorm 正在规范化通道轴。它的名字应该是 bn_name_base + '2c'。注意，在这个组件中没有ReLU激活函数。

快捷路径：

  • CONV2D有 个形状为 (1,1) 的滤波器，步长为 (s,s)。它的填充是“有效的”，其名称应该是 conv_name_base + '1'。
  • BatchNorm 正在规范化通道轴。它的名字应该是 bn_name_base + '1'。

最后一步：

  • 将快捷路径和主路径的值相加。
  • 然后应用ReLU激活函数。这没有名称和超参数。

代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
# GRADED FUNCTION: convolutional_block
def convolutional_block(X, f, filters, stage, block, s=2):
    """
    实现图4中定义的卷积块

    参数:
    X -- 输入张量，形状为 (m, n_H_prev, n_W_prev, n_C_prev)
    f -- 整数，指定主路径中间卷积层窗口的形状
    filters -- Python整数列表，定义主路径中卷积层的滤波器数量
    stage -- 整数，用于根据网络中的位置命名层
    block -- 字符串/字符，用于根据网络中的位置命名层
    s -- 整数，指定要使用的步幅
    
    返回:
    X -- 卷积块的输出，张量形状为 (n_H, n_W, n_C)
    """
    
    # 定义命名基础
    conv_name_base = 'res' + str(stage) + block + '_branch'
    bn_name_base = 'bn' + str(stage) + block + '_branch'
    
    # 检索滤波器
    F1, F2, F3 = filters
    
    # 保存输入值
    X_shortcut = X

    ##### 主路径 #####
    # 主路径的第一部分
    X = Conv2D(F1, (1, 1), strides=(s, s), name=conv_name_base + '2a', kernel_initializer=glorot_uniform(seed=0))(X)
    X = BatchNormalization(axis=3, name=bn_name_base + '2a')(X)
    X = Activation('relu')(X)
    
    # 主路径的第二部分（约3行代码）
    X = Conv2D(F2, (f, f), strides=(1, 1), padding="same", name=conv_name_base + '2b', kernel_initializer=glorot_uniform(seed=0))(X)
    X = BatchNormalization(axis=3, name=bn_name_base + '2b')(X)
    X = Activation('relu')(X)

    # 主路径的第三部分（约2行代码）
    X = Conv2D(F3, (1, 1), strides=(1, 1), name=conv_name_base + '2c', kernel_initializer=glorot_uniform(seed=0))(X)
    X = BatchNormalization(axis=3, name=bn_name_base + '2c')(X)

    ##### 快捷路径 #### (约2行代码)
    X_shortcut = Conv2D(F3, (1, 1), strides=(s, s), name=conv_name_base + '1', kernel_initializer=glorot_uniform(seed=0))(X_shortcut)
    X_shortcut = BatchNormalization(axis=3, name=bn_name_base + '1')(X_shortcut)

    # 最后一步：将快捷路径的值加到主路径上，然后通过RELU激活函数（约2行代码）
    X = Add()([X, X_shortcut])
    X = Activation('relu')(X)
    
    return X

部署：

1
2
3
4
5
6
7
8
9
10
tf.reset_default_graph()

with tf.Session() as test:
    np.random.seed(1)
    A_prev = tf.placeholder("float", [3, 4, 4, 6])
    X = np.random.randn(3, 4, 4, 6)
    A = convolutional_block(A_prev, f = 2, filters = [2, 4, 6], stage = 1, block = 'a')
    test.run(tf.global_variables_initializer())
    out = test.run([A], feed_dict={A_prev: X, K.learning_phase(): 0})
    print("out = " + str(out[0][1][1][0]))

输出：

1
out = [0.09018463 1.2348977  0.46822017 0.0367176  0.         0.65516603]

4.3创建ResNet

ResNet-50模型的具体细节如下：

  • 零填充使用 (3,3) 的填充对输入进行填充
  • 第1阶段：
    • 2D卷积有64个形状为 (7,7) 的滤波器，使用 (2,2) 的步长。它的名称是“conv1”。
    • BatchNorm 应用于输入的通道轴。
    • MaxPooling 使用 (3,3) 的窗口和 (2,2) 的步长。
  • 第2阶段：
    • 卷积块使用三组大小为 [64,64,256] 的滤波器，“f”为3，“s”为1，块是“a”。
    • 2个恒等块使用三组大小为 [64,64,256] 的滤波器，“f”为3，块是“b”和“c”。
  • 第3阶段：
    • 卷积块使用三组大小为 [128,128,512] 的滤波器，“f”为3，“s”为2，块是“a”。
    • 3个恒等块使用三组大小为 [128,128,512] 的滤波器，“f”为3，块是“b”，“c”和“d”。
  • 第4阶段：
    • 卷积块使用三组大小为 [256, 256, 1024] 的滤波器，“f”为3，“s”为2，块是“a”。
    • 5个恒等块使用三组大小为 [256, 256, 1024] 的滤波器，“f”为3，块是“b”，“c”，“d”，“e”和“f”。
  • 第5阶段：
    • 卷积块使用三组大小为 [512, 512, 2048] 的滤波器，“f”为3，“s”为2，块是“a”。
    • 2个恒等块使用三组大小为 [512, 512, 2048] 的滤波器，“f”为3，块是“b”和“c”。
  • 2D平均池化使用 (2,2) 形状的窗口，其名称是“avg_pool”。
  • 扁平化没有任何超参数或名称。
  • 全连接（密集）层使用softmax激活将其输入减少到类别数。它的名称应该是 'fc' + str(classes)。

代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
# GRADED FUNCTION: ResNet50
def ResNet50(input_shape=(64, 64, 3), classes=6):
    """
    实现流行的ResNet50网络，结构如下：
    CONV2D -> BATCHNORM -> RELU -> MAXPOOL -> CONVBLOCK -> IDBLOCK*2 -> CONVBLOCK -> IDBLOCK*3
    -> CONVBLOCK -> IDBLOCK*5 -> CONVBLOCK -> IDBLOCK*2 -> AVGPOOL -> TOPLAYER

    参数:
    input_shape -- 数据集图像的形状
    classes -- 整数，类别数

    返回:
    model -- Keras中的Model()实例
    """
    
    # 定义输入为具有input_shape形状的张量
    X_input = Input(input_shape)

    # 零填充
    X = ZeroPadding2D((3, 3))(X_input)
    
    # 第1阶段
    X = Conv2D(64, (7, 7), strides=(2, 2), name='conv1', kernel_initializer=glorot_uniform(seed=0))(X)
    X = BatchNormalization(axis=3, name='bn_conv1')(X)
    X = Activation('relu')(X)
    X = MaxPooling2D((3, 3), strides=(2, 2))(X)

    # 第2阶段
    X = convolutional_block(X, f=3, filters=[64, 64, 256], stage=2, block='a', s=1)
    X = identity_block(X, 3, [64, 64, 256], stage=2, block='b')
    X = identity_block(X, 3, [64, 64, 256], stage=2, block='c')

    # 第3阶段（约4行代码）
    X = convolutional_block(X, f=3, filters=[128, 128, 512], stage=3, block='a', s=2)
    X = identity_block(X, 3, [128, 128, 512], stage=3, block='b')
    X = identity_block(X, 3, [128, 128, 512], stage=3, block='c')
    X = identity_block(X, 3, [128, 128, 512], stage=3, block='d')

    # 第4阶段（约6行代码）
    X = convolutional_block(X, f=3, filters=[256, 256, 1024], stage=4, block='a', s=2)
    X = identity_block(X, 3, [256, 256, 1024], stage=4, block='b')
    X = identity_block(X, 3, [256, 256, 1024], stage=4, block='c')
    X = identity_block(X, 3, [256, 256, 1024], stage=4, block='d')
    X = identity_block(X, 3, [256, 256, 1024], stage=4, block='e')
    X = identity_block(X, 3, [256, 256, 1024], stage=4, block='f')

    # 第5阶段（约3行代码）
    X = convolutional_block(X, 3, [512, 512, 2048], stage=5, block='a', s=2)
    X = identity_block(X, 3, [512, 512, 2048], stage=5, block='b')
    X = identity_block(X, 3, [512, 512, 2048], stage=5, block='c')

    # AVGPOOL（约1行代码）。使用 "X = AveragePooling2D(...)(X)"
    X = AveragePooling2D((2, 2), name="avg_pool")(X)

    # 输出层
    X = Flatten()(X)
    X = Dense(classes, activation='softmax', name='fc' + str(classes), kernel_initializer=glorot_uniform(seed=0))(X)
    
    # 创建模型
    model = Model(inputs=X_input, outputs=X, name='ResNet50')

    return model

部署：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
model = ResNet50(input_shape = (64,64,3),classes = 6)
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])

X_train_orig, Y_train_orig, X_test_orig, Y_test_orig, classes = load_dataset()

# Normalize image vectors
X_train = X_train_orig/255.
X_test = X_test_orig/255.

# Convert training and test labels to one hot matrices
Y_train = convert_to_one_hot(Y_train_orig, 6).T
Y_test = convert_to_one_hot(Y_test_orig, 6).T

print ("number of training examples = " + str(X_train.shape[0]))
print ("number of test examples = " + str(X_test.shape[0]))
print ("X_train shape: " + str(X_train.shape))
print ("Y_train shape: " + str(Y_train.shape))
print ("X_test shape: " + str(X_test.shape))
print ("Y_test shape: " + str(Y_test.shape))

测试输出：

1
2
3
4
5
6
number of training examples = 1080
number of test examples = 120
X_train shape: (1080, 64, 64, 3)
Y_train shape: (1080, 6)
X_test shape: (120, 64, 64, 3)
Y_test shape: (120, 6)

训练：

1
2
3
4
model.fit(X_train, Y_train, epochs = 2, batch_size = 32)
preds = model.evaluate(X_test, Y_test)
print ("Loss = " + str(preds[0]))
print ("Test Accuracy = " + str(preds[1]))

训练输出：

1
2
3
120/120 [==============================] - 7s 61ms/step
Loss = 7.773633257548014
Test Accuracy = 0.19166666666666668

利用已有模型进行测试：

1
2
3
4
5
model = load_model('ResNet50.h5') 

preds = model.evaluate(X_test, Y_test)
print ("Loss = " + str(preds[0]))
print ("Test Accuracy = " + str(preds[1]))

5.模型总结

​ ResNet50我们可以通过下述代码进行输出：

1
model.summary()

​ ResNet50的模型结构如下：

利用这段代码可以将模型结构进行图框输出：

1
2
plot_model(model, to_file='model.png')
SVG(model_to_dot(model).create(prog='dot', format='svg'))

坚持原创技术分享，您的支持将鼓励我继续创作！