7.4 含并行连结的网络（GoogLeNet）

在2014年的 ImageNet 图像识别挑战赛中，一个名叫_GoogLeNet_ (Szegedy et al., 2015)的网络架构大放异彩。其主要思想是结合了各种卷积结构的优势

1. Inception 块

Inception 块结构，每个路径都不改变图像大小，只是增加了通道数

通道数变化，注意白色的 1x 1 卷积只学习空间信息，而蓝色的可以认为在学习特征

跟单 $3\times 3$ 或 $5\times 5$ 卷积层比, 要达到相同的通道数的话，Inception 块有更少的参数个数和计算复杂度：

具体实现：

import torch
from torch import nn
from torch.nn import functional as F
from d2l import torch as d2l

class Inception(nn.Module):
    # c1--c4是每条路径的输出通道数
    def __init__(self, in_channels, c1, c2, c3, c4, **kwargs):
        super(Inception, self).__init__(**kwargs)
        # 线路1，单1x1卷积层
        self.p1_1 = nn.Conv2d(in_channels, c1, kernel_size=1)
        # 线路2，1x1卷积层后接3x3卷积层
        self.p2_1 = nn.Conv2d(in_channels, c2[0], kernel_size=1)
        self.p2_2 = nn.Conv2d(c2[0], c2[1], kernel_size=3, padding=1)
        # 线路3，1x1卷积层后接5x5卷积层
        self.p3_1 = nn.Conv2d(in_channels, c3[0], kernel_size=1)
        self.p3_2 = nn.Conv2d(c3[0], c3[1], kernel_size=5, padding=2)
        # 线路4，3x3最大汇聚层后接1x1卷积层
        self.p4_1 = nn.MaxPool2d(kernel_size=3, stride=1, padding=1)
        self.p4_2 = nn.Conv2d(in_channels, c4, kernel_size=1)

    def forward(self, x):
        p1 = F.relu(self.p1_1(x))
        p2 = F.relu(self.p2_2(F.relu(self.p2_1(x))))
        p3 = F.relu(self.p3_2(F.relu(self.p3_1(x))))
        p4 = F.relu(self.p4_2(self.p4_1(x)))
        # 在通道维度上连结输出
        return torch.cat((p1, p2, p3, p4), dim=1)

• 注意这里用的是 cat，图像的维度是（批的大小，通道数，高，宽），这里 dim=1 表示按通道数堆叠在一起，不新增维度 6.4 多输入多输出通道#^97d15f
• 和卷积层类似，这里定义 Inception 块时需要指定输入通道，四条路线的输出通道

2. GoogLeNet模型

GoogLeNet 模型，类似 VGG，每个 Stage 就是将图像高宽减半

2.1 Stage 1&2

前两个阶段很快的提高通道个数，降低图像大小

b1 = nn.Sequential(nn.Conv2d(1, 64, kernel_size=7, stride=2, padding=3),
                   nn.ReLU(),
                   nn.MaxPool2d(kernel_size=3, stride=2, padding=1))
#这里用的是 fashion_mnist，输入通道是 1

b2 = nn.Sequential(nn.Conv2d(64, 64, kernel_size=1),
                   nn.ReLU(),
                   nn.Conv2d(64, 192, kernel_size=3, padding=1),
                   nn.ReLU(),
                   nn.MaxPool2d(kernel_size=3, stride=2, padding=1))

2.2 Stage 3

b3 = nn.Sequential(Inception(192, 64, (96, 128), (16, 32), 32),
                   Inception(256, 128, (128, 192), (32, 96), 64),
                   nn.MaxPool2d(kernel_size=3, stride=2, padding=1))

2.3 Stage 4&5

b4 = nn.Sequential(Inception(480, 192, (96, 208), (16, 48), 64),
                   Inception(512, 160, (112, 224), (24, 64), 64),
                   Inception(512, 128, (128, 256), (24, 64), 64),
                   Inception(512, 112, (144, 288), (32, 64), 64),
                   Inception(528, 256, (160, 320), (32, 128), 128),
                   nn.MaxPool2d(kernel_size=3, stride=2, padding=1))

b5 = nn.Sequential(Inception(832, 256, (160, 320), (32, 128), 128),
                   Inception(832, 384, (192, 384), (48, 128), 128),
                   nn.AdaptiveAvgPool2d((1,1)),
                   nn.Flatten())

net = nn.Sequential(b1, b2, b3, b4, b5, nn.Linear(1024, 10))

3 训练模型

lr, num_epochs, batch_size = 0.1, 10, 128
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size, resize=96)
d2l.train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu())

loss 0.262, train acc 0.900, test acc 0.886
3265.5 examples/sec on cuda:0

4. Inception 各种变种

• Inception-BN (v2) - 使用 batch normalization（后面介绍)
• Inception-V3 - 修改了 Inception 块
• 替换 $5\times 5$ 为多个 $3\times 3$ 卷积层
• 替换 $5\times 5$ 为 $1\times 7$ 和 $7\times 1$ 卷积层
• 替换 $3\times 3$ 为 $1\times 3$ 和 $3\times 1$ 卷积层（沿着宽学习一下，高学习一下）
• 更深
• Inception-V4 - 使用残差连接（后面介绍）

左：v3 版本 Stage 3 的 inception 变种，右边：原始版本

左：v3 版本 Stage 4 的 inception 变种，右边：原始版本
左：v3 版本 Stage 5 的 inception 变种，右边：原始版本

v3 算作精度比较好，耗内存比较多，比较慢的模型（圆圈面积表示内存大小）^[1]

参考文献