网络中的网络（NiN）¶

:label:sec_nin

LeNet、AlexNet和VGG都有一个共同的设计模式：通过一系列的卷积层与汇聚层来提取空间结构特征；然后通过全连接层对特征的表征进行处理。 AlexNet和VGG对LeNet的改进主要在于如何扩大和加深这两个模块。或者，可以想象在这个过程的早期使用全连接层。然而，如果使用了全连接层，可能会完全放弃表征的空间结构。 网络中的网络（NiN）提供了一个非常简单的解决方案：在每个像素的通道上分别使用多层感知机 :cite:Lin.Chen.Yan.2013

(NiN块)¶

回想一下，卷积层的输入和输出由四维张量组成，张量的每个轴分别对应样本、通道、高度和宽度。另外，全连接层的输入和输出通常是分别对应于样本和特征的二维张量。 NiN的想法是在每个像素位置（针对每个高度和宽度）应用一个全连接层。如果我们将权重连接到每个空间位置，我们可以将其视为$1\times 1$卷积层（如 :numref:sec_channels中所述），或作为在每个像素位置上独立作用的全连接层。从另一个角度看，即将空间维度中的每个像素视为单个样本，将通道维度视为不同特征（feature）。

:numref:fig_nin说明了VGG和NiN及它们的块之间主要架构差异。 NiN块以一个普通卷积层开始，后面是两个$1 \times 1$的卷积层。这两个$1 \times 1$卷积层充当带有ReLU激活函数的逐像素全连接层。第一层的卷积窗口形状通常由用户设置。随后的卷积窗口形状固定为$1 \times 1$。

对比 VGG 和 NiN 及它们的块之间主要架构差异。 :width:600px :label:fig_nin

In [1]:

import torch
        from torch import nn
        from d2l import torch as d2l
        
        
        def nin_block(in_channels, out_channels, kernel_size, strides, padding):
            return nn.Sequential(
                nn.Conv2d(in_channels, out_channels, kernel_size, strides, padding),
                nn.ReLU(),
                nn.Conv2d(out_channels, out_channels, kernel_size=1), nn.ReLU(),
                nn.Conv2d(out_channels, out_channels, kernel_size=1), nn.ReLU())

[NiN模型]¶

最初的NiN网络是在AlexNet后不久提出的，显然从中得到了一些启示。 NiN使用窗口形状为$11\times 11$、$5\times 5$和$3\times 3$的卷积层，输出通道数量与AlexNet中的相同。每个NiN块后有一个最大汇聚层，汇聚窗口形状为$3\times 3$，步幅为2。

NiN和AlexNet之间的一个显著区别是NiN完全取消了全连接层。相反，NiN使用一个NiN块，其输出通道数等于标签类别的数量。最后放一个全局平均汇聚层（global average pooling layer），生成一个对数几率（logits）。NiN设计的一个优点是，它显著减少了模型所需参数的数量。然而，在实践中，这种设计有时会增加训练模型的时间。

In [2]:

net = nn.Sequential(
            nin_block(1, 96, kernel_size=11, strides=4, padding=0),
            nn.MaxPool2d(3, stride=2),
            nin_block(96, 256, kernel_size=5, strides=1, padding=2),
            nn.MaxPool2d(3, stride=2),
            nin_block(256, 384, kernel_size=3, strides=1, padding=1),
            nn.MaxPool2d(3, stride=2),
            nn.Dropout(0.5),
            # 标签类别数是10
            nin_block(384, 10, kernel_size=3, strides=1, padding=1),
            nn.AdaptiveAvgPool2d((1, 1)),
            # 将四维的输出转成二维的输出，其形状为(批量大小,10)
            nn.Flatten())

我们创建一个数据样本来[查看每个块的输出形状]。

In [3]:

X = torch.rand(size=(1, 1, 224, 224))
        for layer in net:
            X = layer(X)
            print(layer.__class__.__name__,'output shape:\t', X.shape)

Sequential output shape:	 torch.Size([1, 96, 54, 54])
        MaxPool2d output shape:	 torch.Size([1, 96, 26, 26])
        Sequential output shape:	 torch.Size([1, 256, 26, 26])
        MaxPool2d output shape:	 torch.Size([1, 256, 12, 12])
        Sequential output shape:	 torch.Size([1, 384, 12, 12])
        MaxPool2d output shape:	 torch.Size([1, 384, 5, 5])
        Dropout output shape:	 torch.Size([1, 384, 5, 5])
        Sequential output shape:	 torch.Size([1, 10, 5, 5])
        AdaptiveAvgPool2d output shape:	 torch.Size([1, 10, 1, 1])
        Flatten output shape:	 torch.Size([1, 10])

[训练模型]¶

和以前一样，我们使用Fashion-MNIST来训练模型。训练NiN与训练AlexNet、VGG时相似。

In [4]:

lr, num_epochs, batch_size = 0.1, 10, 128
        train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size, resize=224)
        d2l.train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu())

loss 0.563, train acc 0.786, test acc 0.790
        3087.6 examples/sec on cuda:0

No description has been provided for this image

小结¶

NiN使用由一个卷积层和多个$1\times 1$卷积层组成的块。该块可以在卷积神经网络中使用，以允许更多的每像素非线性。
NiN去除了容易造成过拟合的全连接层，将它们替换为全局平均汇聚层（即在所有位置上进行求和）。该汇聚层通道数量为所需的输出数量（例如，Fashion-MNIST的输出为10）。
移除全连接层可减少过拟合，同时显著减少NiN的参数。
NiN的设计影响了许多后续卷积神经网络的设计。

练习¶

调整NiN的超参数，以提高分类准确性。
为什么NiN块中有两个$1\times 1$卷积层？删除其中一个，然后观察和分析实验现象。
计算NiN的资源使用情况。
1. 参数的数量是多少？
2. 计算量是多少？
3. 训练期间需要多少显存？
4. 预测期间需要多少显存？
一次性直接将$384 \times 5 \times 5$的表示缩减为$10 \times 5 \times 5$的表示，会存在哪些问题？