【深度學習系列】用PaddlePaddle和Tensorflow實現經典CNN網絡Vgg
作者：Charlotte77
上周我們講了經典CNN網絡AlexNet對圖像分類的效果，2014年，在AlexNet出來的兩年后，牛津大學提出了Vgg網絡，并在ILSVRC 2014中的classification項目的比賽中取得了第2名的成績（第一名是GoogLeNet，也是同年提出的）。
上周我們講了經典CNN網絡AlexNet對圖像分類的效果，2014年，在AlexNet出來的兩年后，牛津大學提出了Vgg網絡，并在ILSVRC 2014中的classification項目的比賽中取得了第2名的成績（第一名是GoogLeNet，也是同年提出的）。在論文《Very Deep Convolutional Networks for Large-Scale Image Recognition》中，作者提出通過縮小卷積核大小來構建更深的網絡。
Vgg網絡結構
VGGnet是Oxford的Visual Geometry Group的team，在ILSVRC 2014上的主要工作是證明了增加網絡的深度能夠在一定程度上影響網絡最終的性能，如下圖，文章通過逐步增加網絡深度來提高性能，雖然看起來有一點小暴力，沒有特別多取巧的，但是確實有效，很多pretrained的方法就是使用VGG的model（主要是16和19），VGG相對其他的方法，參數空間很大，所以train一個vgg模型通常要花費更長的時間，不過公開的pretrained model讓我們很方便的使用，paper中的幾種模型如下：
圖1 vgg網絡結構
圖中D和E分別為VGG-16和VGG-19，參數分別是138m和144m，是文中兩個效果最好的網絡結構，VGG網絡結構可以看做是AlexNet的加深版，VGG在圖像檢測中效果很好（如：Faster-RCNN），這種傳統結構相對較好的保存了圖片的局部位置信息（不像GoogLeNet中引入Inception可能導致位置信息的錯亂）。
我們來仔細看一下vgg16的網絡結構：
圖2 vgg16網絡結構
從圖中可以看到，每個卷積層都使用更小的3×3卷積核對圖像進行卷積，并把這些小的卷積核排列起來作為一個卷積序列。通俗點來講就是對原始圖像進行3×3卷積，然后再進行3×3卷積，連續使用小的卷積核對圖像進行多次卷積。
在alexnet里我們一開始的時候是用11*11的大卷積核網絡，為什么在這里要用3*3的小卷積核來對圖像進行卷積呢？并且還是使用連續的小卷積核？VGG一開始提出的時候剛好與LeNet的設計原則相違背，因為LeNet相信大的卷積核能夠捕獲圖像當中相似的特征（權值共享）。AlexNet在淺層網絡開始的時候也是使用9×9、11×11卷積核，并且盡量在淺層網絡的時候避免使用1×1的卷積核。但是VGG的神奇之處就是在于使用多個3×3卷積核可以模仿較大卷積核那樣對圖像進行局部感知。后來多個小的卷積核串聯這一思想被GoogleNet和ResNet等吸收。
從圖1的實驗結果也可以看到，VGG使用多個3x3卷積來對高維特征進行提取。因為如果使用較大的卷積核，參數就會大量地增加、運算時間也會成倍的提升。例如3x3的卷積核只有9個權值參數，使用7*7的卷積核權值參數就會增加到49個。因為缺乏一個模型去對大量的參數進行歸一化、約減，或者說是限制大規模的參數出現，因此訓練核數更大的卷積網絡就變得非常困難了。
VGG相信如果使用大的卷積核將會造成很大的時間浪費，減少的卷積核能夠減少參數，節省運算開銷。雖然訓練的時間變長了，但是總體來說預測的時間和參數都是減少的了。
Vgg的優勢
與AlexNet相比：
-
相同點
- 整體結構分五層；
- 除softmax層外，最后幾層為全連接層；
- 五層之間通過max pooling連接。
-
不同點
- 使用3×3的小卷積核代替7×7大卷積核，網絡構建的比較深；
- 由于LRN太耗費計算資源，性價比不高，所以被去掉；
- 采用了更多的feature map，能夠提取更多的特征，從而能夠做更多特征的組合。
用PaddlePaddle實現Vgg
1. 網絡結構
1 #coding:utf-8 2 ''' 3 Created by huxiaoman 2017.12.12 4 vggnet.py:用vgg網絡實現cifar-10分類 5 ''' 6 7 import paddle.v2 as paddle 8 9 def vgg(input): 10 def conv_block(ipt, num_filter, groups, dropouts, num_channels=None): 11 return paddle.networks.img_conv_group( 12 input=ipt, 13 num_channels=num_channels, 14 pool_size=2, 15 pool_stride=2, 16 conv_num_filter=[num_filter] * groups, 17 conv_filter_size=3, 18 conv_act=paddle.activation.Relu(), 19 conv_with_batchnorm=True, 20 conv_batchnorm_drop_rate=dropouts, 21 pool_type=paddle.pooling.Max()) 22 23 conv1 = conv_block(input, 64, 2, [0.3, 0], 3) 24 conv2 = conv_block(conv1, 128, 2, [0.4, 0]) 25 conv3 = conv_block(conv2, 256, 3, [0.4, 0.4, 0]) 26 conv4 = conv_block(conv3, 512, 3, [0.4, 0.4, 0]) 27 conv5 = conv_block(conv4, 512, 3, [0.4, 0.4, 0]) 28 29 drop = paddle.layer.dropout(input=conv5, dropout_rate=0.5) 30 fc1 = paddle.layer.fc(input=drop, size=512, act=paddle.activation.Linear()) 31 bn = paddle.layer.batch_norm( 32 input=fc1, 33 act=paddle.activation.Relu(), 34 layer_attr=paddle.attr.Extra(drop_rate=0.5)) 35 fc2 = paddle.layer.fc(input=bn, size=512, act=paddle.activation.Linear()) 36 return fc2
2. 訓練模型
1 #coding:utf-8
2 '''
3 Created by huxiaoman 2017.12.12
4 train_vgg.py:訓練vgg16對cifar10數據集進行分類
5 '''
6
7 import sys, os
8 import paddle.v2 as paddle
9 from vggnet import vgg
10
11 with_gpu = os.getenv('WITH_GPU', '0') != '1'
12
13 def main():
14 datadim = 3 * 32 * 32
15 classdim = 10
16
17 # PaddlePaddle init
18 paddle.init(use_gpu=with_gpu, trainer_count=8)
19
20 image = paddle.layer.data(
21 name="image", type=paddle.data_type.dense_vector(datadim))
22
23 net = vgg(image)
24
25 out = paddle.layer.fc(
26 input=net, size=classdim, act=paddle.activation.Softmax())
27
28 lbl = paddle.layer.data(
29 name="label", type=paddle.data_type.integer_value(classdim))
30 cost = paddle.layer.classification_cost(input=out, label=lbl)
31
32 # Create parameters
33 parameters = paddle.parameters.create(cost)
34
35 # Create optimizer
36 momentum_optimizer = paddle.optimizer.Momentum(
37 momentum=0.9,
38 regularization=paddle.optimizer.L2Regularization(rate=0.0002 * 128),
39 learning_rate=0.1 / 128.0,
40 learning_rate_decay_a=0.1,
41 learning_rate_decay_b=50000 * 100,
42 learning_rate_schedule='discexp')
43
44 # End batch and end pass event handler
45 def event_handler(event):
46 if isinstance(event, paddle.event.EndIteration):
47 if event.batch_id % 100 == 0:
48 print "\nPass %d, Batch %d, Cost %f, %s" % (
49 event.pass_id, event.batch_id, event.cost, event.metrics)
50 else:
51 sys.stdout.write('.')
52 sys.stdout.flush()
53 if isinstance(event, paddle.event.EndPass):
54 # save parameters
55 with open('params_pass_%d.tar' % event.pass_id, 'w') as f:
56 parameters.to_tar(f)
57
58 result = trainer.test(
59 reader=paddle.batch(
60 paddle.dataset.cifar.test10(), batch_size=128),
61 feeding={'image': 0,
62 'label': 1})
63 print "\nTest with Pass %d, %s" % (event.pass_id, result.metrics)
64
65 # Create trainer
66 trainer = paddle.trainer.SGD(
67 cost=cost, parameters=parameters, update_equation=momentum_optimizer)
68
69 # Save the inference topology to protobuf.
70 inference_topology = paddle.topology.Topology(layers=out)
71 with open("inference_topology.pkl", 'wb') as f:
72 inference_topology.serialize_for_inference(f)
73
74 trainer.train(
75 reader=paddle.batch(
76 paddle.reader.shuffle(
77 paddle.dataset.cifar.train10(), buf_size=50000),
78 batch_size=128),
79 num_passes=200,
80 event_handler=event_handler,
81 feeding={'image': 0,
82 'label': 1})
83
84 # inference
85 from PIL import Image
86 import numpy as np
87 import os
88
89 def load_image(file):
90 im = Image.open(file)
91 im = im.resize((32, 32), Image.ANTIALIAS)
92 im = np.array(im).astype(np.float32)
93 im = im.transpose((2, 0, 1)) # CHW
94 im = im[(2, 1, 0), :, :] # BGR
95 im = im.flatten()
96 im = im / 255.0
97 return im
98
99 test_data = []
100 cur_dir = os.path.dirname(os.path.realpath(__file__))
101 test_data.append((load_image(cur_dir + '/image/dog.png'), ))
102
103 probs = paddle.infer(
104 output_layer=out, parameters=parameters, input=test_data)
105 lab = np.argsort(-probs) # probs and lab are the results of one batch data
106 print "Label of image/dog.png is: %d" % lab[0][0]
107
108
109 if __name__ == '__main__':
110 main()
3. 訓練結果
View Code從訓練結果來看，開了7個線程，8個Tesla K80，迭代200次，耗時16h21min，相比于之前訓練的lenet和alexnet的幾個小時來說，時間消耗很高，但是結果很好，準確率是89.11%，在同設備和迭代次數情況下，比lenet的和alexnet的精度都要高。
用Tensorflow實現vgg
1. 網絡結構
1 def inference_op(input_op, keep_prob): 2 p = [] 3 # 第一塊 conv1_1-conv1_2-pool1 4 conv1_1 = conv_op(input_op, name='conv1_1', kh=3, kw=3, 5 n_out = 64, dh = 1, dw = 1, p = p) 6 conv1_2 = conv_op(conv1_1, name='conv1_2', kh=3, kw=3, 7 n_out = 64, dh = 1, dw = 1, p = p) 8 pool1 = mpool_op(conv1_2, name = 'pool1', kh = 2, kw = 2, 9 dw = 2, dh = 2) 10 # 第二塊 conv2_1-conv2_2-pool2 11 conv2_1 = conv_op(pool1, name='conv2_1', kh=3, kw=3, 12 n_out = 128, dh = 1, dw = 1, p = p) 13 conv2_2 = conv_op(conv2_1, name='conv2_2', kh=3, kw=3, 14 n_out = 128, dh = 1, dw = 1, p = p) 15 pool2 = mpool_op(conv2_2, name = 'pool2', kh = 2, kw = 2, 16 dw = 2, dh = 2) 17 # 第三塊 conv3_1-conv3_2-conv3_3-pool3 18 conv3_1 = conv_op(pool2, name='conv3_1', kh=3, kw=3, 19 n_out = 256, dh = 1, dw = 1, p = p) 20 conv3_2 = conv_op(conv3_1, name='conv3_2', kh=3, kw=3, 21 n_out = 256, dh = 1, dw = 1, p = p) 22 conv3_3 = conv_op(conv3_2, name='conv3_3', kh=3, kw=3, 23 n_out = 256, dh = 1, dw = 1, p = p) 24 pool3 = mpool_op(conv3_3, name = 'pool3', kh = 2, kw = 2, 25 dw = 2, dh = 2) 26 # 第四塊 conv4_1-conv4_2-conv4_3-pool4 27 conv4_1 = conv_op(pool3, name='conv4_1', kh=3, kw=3, 28 n_out = 512, dh = 1, dw = 1, p = p) 29 conv4_2 = conv_op(conv4_1, name='conv4_2', kh=3, kw=3, 30 n_out = 512, dh = 1, dw = 1, p = p) 31 conv4_3 = conv_op(conv4_2, name='conv4_3', kh=3, kw=3, 32 n_out = 512, dh = 1, dw = 1, p = p) 33 pool4 = mpool_op(conv4_3, name = 'pool4', kh = 2, kw = 2, 34 dw = 2, dh = 2) 35 # 第五塊 conv5_1-conv5_2-conv5_3-pool5 36 conv5_1 = conv_op(pool4, name='conv5_1', kh=3, kw=3, 37 n_out = 512, dh = 1, dw = 1, p = p) 38 conv5_2 = conv_op(conv5_1, name='conv5_2', kh=3, kw=3, 39 n_out = 512, dh = 1, dw = 1, p = p) 40 conv5_3 = conv_op(conv5_2, name='conv5_3', kh=3, kw=3, 41 n_out = 512, dh = 1, dw = 1, p = p) 42 pool5 = mpool_op(conv5_3, name = 'pool5', kh = 2, kw = 2, 43 dw = 2, dh = 2) 44 # 把pool5 ( [7, 7, 512] ) 拉成向量 45 shp = pool5.get_shape() 46 flattened_shape = shp[1].value * shp[2].value * shp[3].value 47 resh1 = tf.reshape(pool5, [-1, flattened_shape], name = 'resh1') 48 49 # 全連接層1 添加了 Droput來防止過擬合 50 fc1 = fc_op(resh1, name = 'fc1', n_out = 2048, p = p) 51 fc1_drop = tf.nn.dropout(fc1, keep_prob, name = 'fc1_drop') 52 53 # 全連接層2 添加了 Droput來防止過擬合 54 fc2 = fc_op(fc1_drop, name = 'fc2', n_out = 2048, p = p) 55 fc2_drop = tf.nn.dropout(fc2, keep_prob, name = 'fc2_drop') 56 57 # 全連接層3 加一個softmax求給類別的概率 58 fc3 = fc_op(fc2_drop, name = 'fc3', n_out = 1000, p = p) 59 softmax = tf.nn.softmax(fc3) 60 predictions = tf.argmax(softmax, 1) 61 return predictions, softmax, fc3, p
2. 訓練網絡結構
1 # -*- coding: utf-8 -*-
2 """
3 Created by huxiaoman 2017.12.12
4 vgg_tf.py:訓練tensorflow版的vgg16網絡，對cifar-10shuju進行分類
5 """
6 from datetime import datetime
7 import math
8 import time
9 import tensorflow as tf
10 import cifar10
11
12 batch_size = 128
13 num_batches = 200
14
15 # 定義函數對卷積層進行初始化
16 # input_op : 輸入數據
17 # name : 該卷積層的名字，用tf.name_scope()來命名
18 # kh,kw : 分別是卷積核的高和寬
19 # n_out : 輸出通道數
20 # dh,dw : 步長的高和寬
21 # p ： 是參數列表，存儲VGG所用到的參數
22 # 采用xavier方法對卷積核權值進行初始化
23 def conv_op(input_op, name, kh, kw, n_out, dh, dw, p):
24 n_in = input_op.get_shape()[-1].value # 獲得輸入圖像的通道數
25 with tf.name_scope(name) as scope:
26 kernel = tf.get_variable(scope+'w',
27 shape = [kh, kw, n_in, n_out], dtype = tf.float32,
28 initializer = tf.contrib.layers.xavier_initializer_conv2d())
29 # 卷積層計算
30 conv = tf.nn.conv2d(input_op, kernel, (1, dh, dw, 1), padding = 'SAME')
31 bias_init_val = tf.constant(0.0, shape = [n_out], dtype = tf.float32)
32 biases = tf.Variable(bias_init_val, trainable = True, name = 'b')
33 z = tf.nn.bias_add(conv, biases)
34 activation = tf.nn.relu(z, name = scope)
35 p += [kernel, biases]
36 return activation
37
38 # 定義函數對全連接層進行初始化
39 # input_op : 輸入數據
40 # name : 該全連接層的名字
41 # n_out : 輸出的通道數
42 # p : 參數列表
43 # 初始化方法用 xavier方法
44 def fc_op(input_op, name, n_out, p):
45 n_in = input_op.get_shape()[-1].value
46
47 with tf.name_scope(name) as scope:
48 kernel = tf.get_variable(scope+'w',
49 shape = [n_in, n_out], dtype = tf.float32,
50 initializer = tf.contrib.layers.xavier_initializer())
51 biases = tf.Variable(tf.constant(0.1, shape = [n_out],
52 dtype = tf.float32), name = 'b')
53 activation = tf.nn.relu_layer(input_op, kernel, # ???????????????
54 biases, name = scope)
55 p += [kernel, biases]
56 return activation
57
58 # 定義函數 創建 maxpool層
59 # input_op : 輸入數據
60 # name : 該卷積層的名字，用tf.name_scope()來命名
61 # kh,kw : 分別是卷積核的高和寬
62 # dh,dw : 步長的高和寬
63 def mpool_op(input_op, name, kh, kw, dh, dw):
64 return tf.nn.max_pool(input_op, ksize = [1,kh,kw,1],
65 strides = [1, dh, dw, 1], padding = 'SAME', name = name)
66
67 #---------------創建 VGG-16------------------
68
69 def inference_op(input_op, keep_prob):
70 p = []
71 # 第一塊 conv1_1-conv1_2-pool1
72 conv1_1 = conv_op(input_op, name='conv1_1', kh=3, kw=3,
73 n_out = 64, dh = 1, dw = 1, p = p)
74 conv1_2 = conv_op(conv1_1, name='conv1_2', kh=3, kw=3,
75 n_out = 64, dh = 1, dw = 1, p = p)
76 pool1 = mpool_op(conv1_2, name = 'pool1', kh = 2, kw = 2,
77 dw = 2, dh = 2)
78 # 第二塊 conv2_1-conv2_2-pool2
79 conv2_1 = conv_op(pool1, name='conv2_1', kh=3, kw=3,
80 n_out = 128, dh = 1, dw = 1, p = p)
81 conv2_2 = conv_op(conv2_1, name='conv2_2', kh=3, kw=3,
82 n_out = 128, dh = 1, dw = 1, p = p)
83 pool2 = mpool_op(conv2_2, name = 'pool2', kh = 2, kw = 2,
84 dw = 2, dh = 2)
85 # 第三塊 conv3_1-conv3_2-conv3_3-pool3
86 conv3_1 = conv_op(pool2, name='conv3_1', kh=3, kw=3,
87 n_out = 256, dh = 1, dw = 1, p = p)
88 conv3_2 = conv_op(conv3_1, name='conv3_2', kh=3, kw=3,
89 n_out = 256, dh = 1, dw = 1, p = p)
90 conv3_3 = conv_op(conv3_2, name='conv3_3', kh=3, kw=3,
91 n_out = 256, dh = 1, dw = 1, p = p)
92 pool3 = mpool_op(conv3_3, name = 'pool3', kh = 2, kw = 2,
93 dw = 2, dh = 2)
94 # 第四塊 conv4_1-conv4_2-conv4_3-pool4
95 conv4_1 = conv_op(pool3, name='conv4_1', kh=3, kw=3,
96 n_out = 512, dh = 1, dw = 1, p = p)
97 conv4_2 = conv_op(conv4_1, name='conv4_2', kh=3, kw=3,
98 n_out = 512, dh = 1, dw = 1, p = p)
99 conv4_3 = conv_op(conv4_2, name='conv4_3', kh=3, kw=3,
100 n_out = 512, dh = 1, dw = 1, p = p)
101 pool4 = mpool_op(conv4_3, name = 'pool4', kh = 2, kw = 2,
102 dw = 2, dh = 2)
103 # 第五塊 conv5_1-conv5_2-conv5_3-pool5
104 conv5_1 = conv_op(pool4, name='conv5_1', kh=3, kw=3,
105 n_out = 512, dh = 1, dw = 1, p = p)
106 conv5_2 = conv_op(conv5_1, name='conv5_2', kh=3, kw=3,
107 n_out = 512, dh = 1, dw = 1, p = p)
108 conv5_3 = conv_op(conv5_2, name='conv5_3', kh=3, kw=3,
109 n_out = 512, dh = 1, dw = 1, p = p)
110 pool5 = mpool_op(conv5_3, name = 'pool5', kh = 2, kw = 2,
111 dw = 2, dh = 2)
112 # 把pool5 ( [7, 7, 512] ) 拉成向量
113 shp = pool5.get_shape()
114 flattened_shape = shp[1].value * shp[2].value * shp[3].value
115 resh1 = tf.reshape(pool5, [-1, flattened_shape], name = 'resh1')
116
117 # 全連接層1 添加了 Droput來防止過擬合
118 fc1 = fc_op(resh1, name = 'fc1', n_out = 2048, p = p)
119 fc1_drop = tf.nn.dropout(fc1, keep_prob, name = 'fc1_drop')
120
121 # 全連接層2 添加了 Droput來防止過擬合
122 fc2 = fc_op(fc1_drop, name = 'fc2', n_out = 2048, p = p)
123 fc2_drop = tf.nn.dropout(fc2, keep_prob, name = 'fc2_drop')
124
125 # 全連接層3 加一個softmax求給類別的概率
126 fc3 = fc_op(fc2_drop, name = 'fc3', n_out = 1000, p = p)
127 softmax = tf.nn.softmax(fc3)
128 predictions = tf.argmax(softmax, 1)
129 return predictions, softmax, fc3, p
130
131 # 定義評測函數
132
133 def time_tensorflow_run(session, target, feed, info_string):
134 num_steps_burn_in = 10
135 total_duration = 0.0
136 total_duration_squared = 0.0
137
138 for i in range(num_batches + num_steps_burn_in):
139 start_time = time.time()
140 _ = session.run(target, feed_dict = feed)
141 duration = time.time() - start_time
142 if i >= num_steps_burn_in:
143 if not i % 10:
144 print('%s: step %d, duration = %.3f' %
145 (datetime.now(), i-num_steps_burn_in, duration))
146 total_duration += duration
147 total_duration_squared += duration * duration
148 mean_dur = total_duration / num_batches
149 var_dur = total_duration_squared / num_batches - mean_dur * mean_dur
150 std_dur = math.sqrt(var_dur)
151 print('%s: %s across %d steps, %.3f +/- %.3f sec / batch' %(datetime.now(), info_string, num_batches, mean_dur, std_dur))
152
153
154 def train_vgg16():
155 with tf.Graph().as_default():
156 image_size = 224 # 輸入圖像尺寸
157 # 生成隨機數測試是否能跑通
158 #images = tf.Variable(tf.random_normal([batch_size, image_size, image_size, 3], dtype=tf.float32, stddev=1e-1))
159 with tf.device('/cpu:0'):
160 images, labels = cifar10.distorted_inputs()
161 keep_prob = tf.placeholder(tf.float32)
162 prediction,softmax,fc8,p = inference_op(images,keep_prob)
163 init = tf.global_variables_initializer()
164 sess = tf.Session()
165 sess.run(init)
166 time_tensorflow_run(sess, prediction,{keep_prob:1.0}, "Forward")
167 # 用以模擬訓練的過程
168 objective = tf.nn.l2_loss(fc8) # 給一個loss
169 grad = tf.gradients(objective, p) # 相對于loss的 所有模型參數的梯度
170 time_tensorflow_run(sess, grad, {keep_prob:0.5},"Forward-backward")
171
172
173
174
175 if __name__ == '__main__':
176 train_vgg16()
當然，我們也可以用tf.slim來簡化一下網絡結構
1 def vgg16(inputs): 2 with slim.arg_scope([slim.conv2d, slim.fully_connected], 3 activation_fn=tf.nn.relu, 4 weights_initializer=tf.truncated_normal_initializer(0.0, 0.01), 5 weights_regularizer=slim.l2_regularizer(0.0005)): 6 net = slim.repeat(inputs, 2, slim.conv2d, 64, [3, 3], scope='conv1') 7 net = slim.max_pool2d(net, [2, 2], scope='pool1') 8 net = slim.repeat(net, 2, slim.conv2d, 128, [3, 3], scope='conv2') 9 net = slim.max_pool2d(net, [2, 2], scope='pool2') 10 net = slim.repeat(net, 3, slim.conv2d, 256, [3, 3], scope='conv3') 11 net = slim.max_pool2d(net, [2, 2], scope='pool3') 12 net = slim.repeat(net, 3, slim.conv2d, 512, [3, 3], scope='conv4') 13 net = slim.max_pool2d(net, [2, 2], scope='pool4') 14 net = slim.repeat(net, 3, slim.conv2d, 512, [3, 3], scope='conv5') 15 net = slim.max_pool2d(net, [2, 2], scope='pool5') 16 net = slim.fully_connected(net, 4096, scope='fc6') 17 net = slim.dropout(net, 0.5, scope='dropout6') 18 net = slim.fully_connected(net, 4096, scope='fc7') 19 net = slim.dropout(net, 0.5, scope='dropout7') 20 net = slim.fully_connected(net, 1000, activation_fn=None, scope='fc8')
對比訓練結果，在同等設備和環境下，迭代200tensorflow的訓練結果是89.18%，耗時18h12min，對比paddlepaddle的效果，精度差不多，時間慢一點。其實可以對數據進行處理后再進行訓練，轉換成tfrecord多線程輸入在訓練，時間應該會快很多。
總結
通過論文的分析和實驗的結果，我總結了幾點：
1. LRN層太耗費計算資源，作用不大，可以舍去。
2. 大卷積核可以學習更大的空間特征，但是需要的參數空間也更多，小卷積核雖然學習的空間特征有限，但所需參數空間更小，多層疊加訓練可能效果更好。
3. 越深的網絡效果越好，但是要避免梯度消失的問題，選取relu的激活函數、batch_normalization等都可以從一定程度上避免。
4. 小卷積核+深層網絡的效果，在迭代相同次數時，比大卷積核+淺層網絡效果更好，對于我們自己設計網絡時可以有借鑒作用。但是前者的訓練時間可能更長，不過可能比后者收斂速度更快，精確度更好。
ps:為了方便大家及時看到我的更新，我搞了一個公眾號，以后文章會同步發布與公眾號和博客園，這樣大家就能及時收到通知啦，有不懂的問題也可以在公眾號留言，這樣我能夠及時看到并回復。
可以通過掃下面的二維碼或者直接搜公眾號：CharlotteDataMining 就可以了，謝謝關注^_^
本文同步發布于：https://mp.weixin.qq.com/s?__biz=MzI0OTQwMTA5Ng==&mid=2247483677&idx=1&sn=9402a0532bc6330f83e58c7e18f51b93&chksm=e9935b7adee4d26cd69de6c89b25be994735094ef420befd1d275f97821819ba9528f13e079a#rd
參考文獻：
1.https://arxiv.org/pdf/1409.1556.pdf
責任編輯：張燕妮
來源：
www.cnblogs.com
