12.10深度学习_经典神经网络_GoogleNet自我理解

为了更清晰地展示 GoogLeNet 中每个卷积层及其相关参数，我们可以将这些信息整理成表格形式。这不仅有助于理解每一层的输入和输出尺寸，还能直观地看到卷积核的数量、大小、步长以及填充方式等关键参数。以下是 GoogLeNet 前几层（包括两个卷积层和两个最大池化层，以及第一个 Inception 模块）的详细参数表。

GoogLeNet 卷积层参数表

层名称	类型	输入尺寸	输出尺寸	卷积核尺寸	步长	填充	输入通道数 (Channel)	输出通道数 (Num)	备注
conv1	Conv2d	224x224x3	112x112x64	7x7	2	3	3	64	第一个卷积层，使用7x7的大卷积核，步长为2，填充为3，输出64个通道
maxpool1	MaxPooling2d	112x112x64	56x56x64	3x3	2	1	-	-	第一个最大池化层，使用3x3的池化核，步长为2，填充为1
conv2	Conv2d	56x56x64	56x56x192	3x3	1	1	64	192	第二个卷积层，使用3x3的卷积核，步长为1，填充为1，输出192个通道
maxpool2	MaxPooling2d	56x56x192	28x28x192	3x3	2	1	-	-	第二个最大池化层，使用3x3的池化核，步长为2，填充为1
inception3a	Inception Module	28x28x192	28x28x256	多个卷积核	1	1	192	256	第一个Inception模块，包含多个分支，最终输出256个通道

Inception 模块 (inception3a) 详细参数

分支	类型	输入尺寸	输出尺寸	卷积核尺寸	步长	填充	输入通道数 (Channel)	输出通道数 (Num)	备注
branch1	Conv2d + ReLU	28x28x192	28x28x64	1x1	1	0	192	64	使用1x1的卷积核进行降维，输出64个通道
branch2	Conv2d + ReLU + Conv2d + ReLU	28x28x192	28x28x128	1x1, 3x3	1, 1	0, 1	192	96	1x1卷积核降维至96个通道，再通过3x3卷积核扩展到128个通道
branch3	Conv2d + ReLU + Conv2d + ReLU	28x28x192	28x28x32	1x1, 5x5	1, 1	0, 2	192	16	1x1卷积核降维至16个通道，再通过5x5卷积核扩展到32个通道
branch4	MaxPooling2d + Conv2d + ReLU	28x28x192	28x28x32	3x3, 1x1	1, 1	1, 0	-	-	3x3最大池化后，通过1x1卷积核降维至32个通道

表格解释

• 层名称：表示该层在 GoogLeNet 中的具体位置或名称。
• 类型：指明该层是卷积层（Conv2d）、最大池化层（MaxPooling2d）还是 Inception 模块。
• 输入尺寸：表示该层接收的输入特征图的尺寸，格式为 高度x宽度x通道数。
• 输出尺寸：表示该层产生的输出特征图的尺寸，格式为 高度x宽度x通道数。
• 卷积核尺寸：对于卷积层，表示使用的卷积核的尺寸；对于 Inception 模块，表示该模块内不同分支使用的卷积核尺寸。
• 步长：表示卷积或池化操作时的步长。
• 填充：表示卷积或池化操作时的填充方式，通常为 0 或 1。
• 输入通道数 (Channel)：表示该层接收的输入特征图的通道数。
• 输出通道数 (Num)：表示该层产生的输出特征图的通道数。
• 备注：提供额外的说明或解释，帮助理解该层的设计意图。

代码实现示例

import torch.nn as nnclass Inception(nn.Module):def __init__(self, in_channels, ch1x1, ch3x3red, ch3x3, ch5x5red, ch5x5, pool_proj):super(Inception, self).__init__()self.branch1 = nn.Conv2d(in_channels, ch1x1, kernel_size=1)self.branch2 = nn.Sequential(nn.Conv2d(in_channels, ch3x3red, kernel_size=1),nn.ReLU(),nn.Conv2d(ch3x3red, ch3x3, kernel_size=3, padding=1))self.branch3 = nn.Sequential(nn.Conv2d(in_channels, ch5x5red, kernel_size=1),nn.ReLU(),nn.Conv2d(ch5x5red, ch5x5, kernel_size=5, padding=2))self.branch4 = nn.Sequential(nn.MaxPool2d(kernel_size=3, stride=1, padding=1),nn.Conv2d(in_channels, pool_proj, kernel_size=1))def forward(self, x):branch1 = self.branch1(x)branch2 = self.branch2(x)branch3 = self.branch3(x)branch4 = self.branch4(x)outputs = [branch1, branch2, branch3, branch4]return torch.cat(outputs, 1)class GoogLeNet(nn.Module):def __init__(self, num_classes=1000):super(GoogLeNet, self).__init__()self.conv1 = nn.Conv2d(3, 64, kernel_size=7, stride=2, padding=3)self.maxpool1 = nn.MaxPool2d(kernel_size=3, stride=2, padding=1)self.conv2 = nn.Conv2d(64, 192, kernel_size=3, padding=1)self.maxpool2 = nn.MaxPool2d(kernel_size=3, stride=2, padding=1)self.inception3a = Inception(192, 64, 96, 128, 16, 32, 32)def forward(self, x):x = self.conv1(x)x = self.maxpool1(x)x = self.conv2(x)x = self.maxpool2(x)x = self.inception3a(x)return x

总结

通过上述表格，我们可以清楚地看到 GoogLeNet 的前几层是如何逐步处理输入图像的。每个卷积层和池化层都有明确的参数设置，确保了网络能够有效地提取特征并减少计算量。特别是 Inception 模块的设计，通过引入不同大小的卷积核和池化操作，使得网络能够在多个尺度上捕捉图像特征，同时利用1x1卷积核进行降维，减少了参数数量，提高了计算效率。