作者: whatbeg
本文缘起于一次 CNN 作业中的一道题,这道题涉及到了基本的 CNN 网络搭建,在 MNIST 数据集上的分类结果,Batch Normalization 的影响,Dropout 的影响,卷积核大小的影响,数据集大小的影响,不同部分数据集的影响,随机数种子的影响,以及不同激活单元的影响等,能够让人比较全面地对 CNN 有一个了解,所以想做一下,于是有了本文。
首先建立基本的 BASE 网络,在 Pytorch 中有如下 code:
- class Net(nn.Module):
- def __init__(self):
- super(Net, self).__init__()
- self.conv1 = nn.Conv2d(1, 20, kernel_size=(5, 5), stride=(1, 1), padding=0)
- self.conv2 = nn.Conv2d(20, 50, kernel_size=(5, 5), stride=(1, 1), padding=0)
- self.fc1 = nn.Linear(4*4*50, 500)
- self.fc2 = nn.Linear(500, 10)
- def forward(self, x):
- x = F.max_pool2d(self.conv1(x), 2)
- x = F.max_pool2d(self.conv2(x), 2)
- x = x.view(-1, 4*4*50)
- x = F.relu(self.fc1(x))
- x = self.fc2(x)
- return F.log_softmax(x)
这部分代码见 base.py。
即要求将 MNIST 数据集按照规则读取并且 tranform 到适合处理的格式。这里读取的代码沿用了 BigDL Python Support 的读取方式,无需细说,根据 MNIST 主页上的数据格式可以很快读出,关键 block 有读取 32 位比特的函数:
- def _read32(bytestream):
- dt = numpy.dtype(numpy.uint32).newbyteorder('>') # 大端模式读取,最高字节在前(MSB first)
- return numpy.frombuffer(bytestream.read(4), dtype=dt)[0]
- 读出后是(N, 1, 28, 28)的tensor,每个像素是0-255的值,首先做一下归一化,将所有值除以255,得到一个0-1的值,然后再Normalize,训练集和测试集的均值方差都已知,直接做即可。由于训练集和测试集的均值方差都是针对归一化后的数据来说的,所以刚开始没做归一化,所以forward输出和grad很离谱,后来才发现是这里出了问题。
这部分代码见 preprocessing.py。
将 random seed 设置为 0,在前 10000 个训练样本上学习参数,最后看 20 个 epochs 之后的测试集错误率。最后结果为:
- Test set: Average loss: 0.0014, Accuracy: 9732/10000 (97.3%)
可以看到,BASE 模型准确率并不是那么的高。
在前三个 block 的卷积层之后加上 Batch Normalization 层,简单修改网络结构如下即可:
- class Net(nn.Module):
- def __init__(self):
- super(Net, self).__init__()
- self.conv1 = nn.Conv2d(1, 20, kernel_size=(5, 5), stride=(1, 1), padding=0)
- self.conv2 = nn.Conv2d(20, 50, kernel_size=(5, 5), stride=(1, 1), padding=0)
- self.fc1 = nn.Linear(4*4*50, 500)
- self.fc2 = nn.Linear(500, 10)
- self.bn1 = nn.BatchNorm2d(20)
- self.bn2 = nn.BatchNorm2d(50)
- self.bn3 = nn.BatchNorm1d(500)
- def forward(self, x):
- x = self.conv1(x)
- x = F.max_pool2d(self.bn1(x), 2)
- x = self.conv2(x)
- x = F.max_pool2d(self.bn2(x), 2)
- x = x.view(-1, 4*4*50)
- x = self.fc1(x)
- x = F.relu(self.bn3(x))
- x = self.fc2(x)
- return F.log_softmax(x)
同样的参数 run 一下,得出加了 BN 的结果为:
- Test set: Average loss: 0.0009, Accuracy: 9817/10000 (98.2%)
由此可见,有明显的效果提升。
关于 Batch Normalization 的更多资料参见 [2],[5]。
在最后一层即 fc2 层后加一个 Dropout(p=0.5) 后,在 BASE 和 BN 上的结果分别为:
- BASE:Test set: Average loss: 0.0011, Accuracy: 9769/10000 (97.7%)
- BN: Test set: Average loss: 0.0014, Accuracy: 9789/10000 (97.9%)
观察得知,dropout 能够对 BASE 模型起到一定提升作用,但是对 BN 模型却效果不明显反而降低了。
原因可能在于,BN 模型中本身即包含了正则化的效果,再加一层 Dropout 显得没有必要反而可能影响结果。
SK model: Stacking two 3×3 conv. layers to replace 5×5 conv. layer
如此一番改动后,搭建的 SK 模型如下:
- class Net(nn.Module):
- def __init__(self):
- super(Net, self).__init__()
- self.conv1_1 = nn.Conv2d(1, 20, kernel_size=(3, 3), stride=(1, 1), padding=0)
- self.conv1_2 = nn.Conv2d(20, 20, kernel_size=(3, 3), stride=(1, 1), padding=0)
- self.conv2 = nn.Conv2d(20, 50, kernel_size=(3, 3), stride=(1, 1), padding=0)
- self.fc1 = nn.Linear(5*5*50, 500)
- self.fc2 = nn.Linear(500, 10)
- self.bn1_1 = nn.BatchNorm2d(20)
- self.bn1_2 = nn.BatchNorm2d(20)
- self.bn2 = nn.BatchNorm2d(50)
- self.bn3 = nn.BatchNorm1d(500)
- self.drop = nn.Dropout(p=0.5)
- def forward(self, x):
- x = F.relu(self.bn1_1(self.conv1_1(x)))
- x = F.relu(self.bn1_2(self.conv1_2(x)))
- x = F.max_pool2d(x, 2)
- x = self.conv2(x)
- x = F.max_pool2d(self.bn2(x), 2)
- x = x.view(-1, 5*5*50)
- x = self.fc1(x)
- x = F.relu(self.bn3(x))
- x = self.fc2(x)
- return F.log_softmax(x)
在 20 个 epoch 后,结果如下,
- SK: Test set: Average loss: 0.0008, Accuracy: 9848/10000 (98.5%)
测试集准确率得到了少许的提高。
这里利用 2 个 3×3 的卷积核来代替大的 5×5 卷积核,参数个数由 5×5=25 变为了 2x3x3=18。实践表明,这样使得计算更快了,并且小的卷积层之间的 ReLU 也很有帮助。
VGG 中就使用了这种方法。
通过将特征图大小乘上一个倍数,再通过 shell 程序执行,得到如下结果:
- SK0.2: 97.7%
- SK0.5: 98.2%
- SK1: 98.5%
- SK1.5: 98.6%
- SK2: 98.5% (max 98.7%)
在特征图分别为 4,10, 30, 40 时,最终的准确度基本是往上提升的。这在一定程度上说明,在没有达到过拟合前,增大特征图的个数,即相当于提取了更多的特征,提取特征数的增加有助于精度的提高。
这部分代码见
和
- SK_s.py
。
- runSK.sh
同样通过脚本运行,增加参数
- parser.add_argument('--usedatasize', type = int,
- default = 60000, metavar = 'SZ', help = 'use how many training data to train network')
表示使用的数据大小,从前往后取 usebatchsize 个数据。
这部分程序见 SK_s.py 和 runTrainingSize.sh。
运行的结果如下:
- 500: 84.2%
- 1000: 92.0%
- 2000: 94.3%
- 5000: 95.5%
- 10000: 96.6%
- 20000: 98.4%
- 60000: 99.1%
由此可以明显地看出,数据越多,结果的精度越大。
太少的数据无法准确反映数据的整体分布情况,而且容易过拟合,数据多到一定程度效果也会不明显,不过,大多数时候我们总还是嫌数据太少,而且更多的数据获取起来也有一定难度。
采用脚本完成,这部分程序见 SK_0.2.py 和 diffTrainingSets.sh。
运行结果如下:
- 0-10000: 98.0%
- 10000-20000: 97.8%
- 20000-30000: 97.8%
- 30000-40000: 97.4%
- 40000-50000: 97.5%
- 50000-60000: 97.7%
由此可见,采用不同的训练样本集合训练出来的网络有一定的差异,虽不是很大,但是毕竟显示出了不稳定的结果。
采用 runSeed.sh 脚本完成,用到了全部 60000 个训练集。
运行的结果如下:
- Seed 0: 98.9%
- Seed 1: 99.0%
- Seed 12: 99.1%
- Seed 123: 99.0%
- Seed 1234: 99.1%
- Seed 12345: 99.0%
- Seed 123456: 98.9%
事实上在用上整个训练集的时候,随机数生成器的种子设置对于最后结果的影响不大。
将 ReLU 全部换成 Sigmoid 后,用全部 60000 个训练集训练,有对比结果如下:
- ReLU SK_0.2: 99.0%
- Sigmoid SK_0.2: 98.6%
由此可以看出,在训练 CNN 时,使用 ReLU 激活单元比 Sigmoid 激活单元要更好一些。原因可能在于二者机制的差别,sigmoid 在神经元输入值较大或者较小时,输出值会近乎 0 或者 1,这使得许多地方的梯度几乎为 0,权重几乎得不到更新。而 ReLU 虽然增加了计算的负担,但是它能够显著加速收敛过程,并且也不会有梯度饱和问题。
本文利用 PyTorch 对几个 CNN 模型在 MNIST 数据集上的比较,以及一些参数的设置对模型效果的影响,从而对 CNN 的许多方面进行了一些详细的评估。
用过这么一次觉得 PyTorch 还是挺好用的,比较简单,其他模型不知道,反正卷积神经网络模型是如此。
项目具体代码见 [7]。
由于笔者对 CNN(卷积神经网络)研究不太深入,所以每个结果后的解释或有失偏颇,读者批判阅读即可。
End.
来源: http://www.36dsj.com/archives/92612