[12.09] AlexNet

Zephyr

Dosaid maintainer, Full-Stack AI Engineer

卷積網路的崛起

ImageNet Classification with Deep Convolutional Neural Networks

神經網路的研究在更久以前就開始了。

而 AlexNet 是一個重要的里程碑，它在 2012 年的 ImageNet 挑戰賽上取得了驚人的成績。

定義問題

這個時候，卷積網路的應用已經初見端倪。

在此之前，LeNet-5 成功地利用卷積神經網路（CNN）來處理手寫數字辨識問題。

GradientBased Learning Applied to Document Recognition

除此之外，這個架構也已經開始應用在一些小規模的資料集上，像是 CIFAR-10、MNIST 等。

與傳統的前饋神經網路相比（全連接神經網路），卷積神經網路受益於其架構的歸納偏差，對於圖像資料來說，具有強大的學習能力，其結構能夠有效地捕捉影像中的空間依賴性和統計平穩性，而且參數量要少得多，因此更容易訓練。

儘管 CNN 具有吸引人的特性，但是高解析度影像上的大規模應用仍然非常昂貴。

就這麼剛好，NVIDIA 也在那個現場，現代的 GPU（當年是 GTX580-3GB）與高度優化的 2D 卷積實現結合，提供了足夠的計算能力，支持大型 CNN 的訓練。

最後，大規模資料集的問題也得到了解決。

在 2009 年提出的大規模影像資料集： ImageNet，提供了足夠的標記範例，能夠有效地訓練這些模型而不會嚴重過度擬合。

＊

演算法有了、資料有了、計算能力也有了。

那接著的問題就是：如何設計一個更深、更大的 CNN 來改進影像辨識的性能？

解決問題

模型架構

alexnet arch

AlexNet 使用深度卷積神經網路，它有 5 層卷積層和 3 層全連接層。

這個架構一直延續很久的以後，後續關於卷積神經網路的研究大多都是在這個基礎上演化過去的。

提示

這個時候的卷積神經網路的範式還沒有確立，像是我們所熟悉的五層降採樣，Batch Normalization 等，此時都沒有。

ReLU 啟動函數

在過去的研究中，使用 ReLU 啟動函數取代了 Sigmoid 和 tanh 函數，收斂速度更快，並且可以避免梯度消失的問題。

其公式為： $f(x) = max(0, x)$ 。

意思是：當輸入大於 0 時，輸出等於輸入；當輸入小於 0 時，輸出等於 0。

$f(x) = \begin{cases} x, & \text{if } x > 0 \\ 0, & \text{otherwise} \end{cases}$

多 GPU 訓練

不要再問為什麼 AlenNet 的模型架構圖裁切不完整了！

因為原始論文上的圖就是這樣。

作者在這裡只是想表示：他們把模型拆成兩半，分別放在兩個 GPU 上。

Local Response Normalization

那個時候還沒有 Batch Normalization，但是模型還是需要正規化，不然會很難訓練。

LRN 的基本思想是通過對每個神經元的啟動值進行標準化，使其受周圍神經元啟動值的影響，從而抑制那些過於活躍的神經元，促進不同神經元之間的競爭。

這類似於生物神經元中的側抑制機制，能夠防止某些神經元過於活躍而其他神經元始終不啟動的情況。

在 AlexNet 中，LRN 被定義如下：

給定一個神經元在位置 $(x, y)$ 處的啟動值 $a^i_{x,y}$ ，這是通過應用第 $i$ 個卷積核並經過 ReLU 非線性變換得到的。

經過 LRN 後，標準化後的啟動值 $b^i_{x,y}$ 的計算公式為：

$b^i_{x,y} = \dfrac{a^i_{x,y}}{\left(k + \alpha \sum_{j=\max(0, i - n/2)}^{\min(N-1, i + n/2)} (a^j_{x,y})^2 \right)^\beta}$

這裡的符號解釋如下：

$a^i_{x,y}$ ：應用第 $i$ 個卷積核在位置 $(x, y)$ 的輸出啟動值，經過 ReLU 非線性變換後的結果。
$b^i_{x,y}$ ：經過 LRN 後的標準化啟動值。
$k$ $k$ 、 $\alpha$ $α$ 、 $\beta$ $β$ 和 $n$ $n$ ：LRN 的超參數，這些參數的值通過驗證集調整得到。
- $k = 2$
- $\alpha = 10^{-4}$
- $\beta = 0.75$
- $n = 5$
$N$ ：該層中總的卷積核數量。
$j$ ：遍歷相鄰的卷積核索引，範圍是 $[\max(0, i - n/2), \min(N-1, i + n/2)]$ 。

重疊最大池化

在 AlexNet 中，最大池化層的尺寸為 3x3，步長為 2。

這個操作可以讓特徵圖的尺寸減半，降低計算量。

作者表示：設計成帶有重疊區域的最大池化可以降低過擬合，提高模型的泛化能力。

Dropout

在訓練過程中，作者發現模型容易過擬合，為了解決這個問題，他們引入了 Dropout 技術。

Dropout 在每一個訓練迭代中，隨機地丟棄（即將輸出設為零）神經網路中的一些神經元。

這意味著在每一次前向傳播過程中，網路會以某種隨機的子集結構進行計算。

被丟棄的神經元不會對前向傳播做出貢獻，也不參與反向傳播。

這樣，神經網路就不會依賴於特定神經元的存在來進行學習，從而減少了神經元之間複雜的共同適應現象。

提示

推論時，Dropout 會被關閉，所有神經元都會參與計算。

模型實作

我們接著來詳細看一下整個網路的組成：

輸入 224x224 的圖片。
第一層卷積核大小為 11x11，步長為 4，輸出 96 個特徵圖，輸出尺寸為 55x55。
接著是一個最大池化層。
第二層卷積核大小為 5x5，輸出 256 個特徵圖，輸出尺寸為 27x27。
再接一個最大池化層。
第三層卷積核大小為 3x3，輸出 384 個特徵圖，輸出尺寸為 13x13。
第四層卷積核大小為 3x3，輸出 384 個特徵圖，輸出尺寸為 13x13。
第五層卷積核大小為 3x3，輸出 256 個特徵圖，輸出尺寸為 13x13。
最後是三層全連接層，第一層 4096 個神經元，第二層 4096 個神經元，最後一層 1000 個神經元，對應 ImageNet 的 1000 個類別。

根據論文，有以下幾個重點：

在每個卷積層和全連接層後面都有 ReLU 啟動函數。
在第一層和第二層卷積後應用了局部正規化（Local Response Normalization）。
最大池化曾用在局部正規化和第五個卷積層之後，尺寸為 3x3，步長為 2。
在前兩個全連接層之間使用了 Dropout，丟棄率為 0.5。

好，整體資訊已經非常清楚了，我們可以直接寫成模型了：

import torch.nn as nn

class AlexNet(nn.Module):

    def __init__(self, num_classes=1000):
        super(AlexNet, self).__init__()

        self.stage1 = nn.Sequential(
            nn.Conv2d(3, 96, kernel_size=11, stride=4, padding=2),
            nn.ReLU(),
            nn.LocalResponseNorm(size=5, alpha=0.0001, beta=0.75, k=2),
            nn.MaxPool2d(kernel_size=3, stride=2)
        )

        self.stage2 = nn.Sequential(
            nn.Conv2d(96, 256, kernel_size=5, padding=2),
            nn.ReLU(),
            nn.LocalResponseNorm(size=5, alpha=0.0001, beta=0.75, k=2),
            nn.MaxPool2d(kernel_size=3, stride=2)
        )

        self.stage3 = nn.Sequential(
            nn.Conv2d(256, 384, kernel_size=3, padding=1),
            nn.ReLU()
        )

        self.stage4 = nn.Sequential(
            nn.Conv2d(384, 384, kernel_size=3, padding=1),
            nn.ReLU()
        )

        self.stage5 = nn.Sequential(
            nn.Conv2d(384, 256, kernel_size=3, padding=1),
            nn.ReLU(),
            nn.MaxPool2d(kernel_size=3, stride=2)
        )

        self.classifier = nn.Sequential(
            nn.Flatten(),
            nn.Dropout(0.5),
            nn.Linear(256 * 6 * 6, 4096),
            nn.ReLU(),
            nn.Dropout(0.5),
            nn.Linear(4096, 4096),
            nn.ReLU(),
            nn.Linear(4096, num_classes),
        )

    def forward(self, x):
        x = self.stage1(x)
        x = self.stage2(x)
        x = self.stage3(x)
        x = self.stage4(x)
        x = self.stage5(x)
        x = self.classifier(x)
        return x

討論

卷積網路學到什麼？

alexnet filters

作者將第一層卷積核的部分可視化，可以看到這些卷積核學到了一些特徵，比如邊緣、顏色、紋理等。

在過去的研究中，人們通常會手動設計這些特徵，然後將這些特徵提供給機器學習算法。像是我們熟悉的 SIFT、HOG，還有 Sobel 運算子等。

在 AlexNet 之後，我們就不再推崇手動設計特徵，而是該問：怎樣設計才能網路自己學到更好的特徵？

ILSVRC-2010 結果

Model	Top-1	Top-5
Sparse coding [2]	47.1%	28.2%
SIFT + FVs [24]	45.7%	25.7%
CNN	37.5%	17.0%

在 ILSVRC-2010 比賽中，AlexNet 的結果如下：

Top-1 錯誤率: 37.5%
Top-5 錯誤率: 17.0%

與當時其他最佳方法的比較：

Sparse coding 方法的 Top-1 錯誤率為 47.1%，Top-5 錯誤率為 28.2%。
SIFT + Fisher Vectors (FVs) 方法的 Top-1 錯誤率為 45.7%，Top-5 錯誤率為 25.7%。

這表明 AlexNet 在 ILSVRC-2010 中的表現顯著優於其他方法。

ILSVRC-2012 結果

Model	Top-1 (val)	Top-5 (val)	Top-5 (test)
SIFT + FVs [7]	—	—	26.2%
1 CNN	40.7%	18.2%	—
5 CNNs	38.1%	16.4%	16.4%
1 CNN*	39.0%	16.6%	—
7 CNNs*	36.7%	15.4%	15.3%

* 表示這些模型在整個 ImageNet 2011 Fall 釋放版上進行了預訓練。

在 ILSVRC-2012 比賽中，由於測試集標籤不可公開，所有模型的測試錯誤率無法完全報告，但以下是一些關鍵結果：

單個 CNN 模型在驗證集上的 Top-5 錯誤率為 18.2%。
將五個類似的 CNN 模型的預測進行平均，Top-5 錯誤率下降到 16.4%。
將一個包含第六個卷積層的 CNN 模型預先訓練在整個 ImageNet 2011 Fall 釋放版（包含 1500 萬張圖像和 22000 個類別）上，然後在 ILSVRC-2012 上進行微調，Top-5 錯誤率為 16.6%。
將兩個預先訓練在 ImageNet 2011 Fall 釋放版上的 CNN 模型與之前的五個 CNN 模型的預測進行平均，Top-5 錯誤率進一步下降到 15.3%。

第二名的參賽方法通過對不同類型的密集採樣特徵計算出的 FVs 進行多個分類器的預測平均，達到了 26.2%的 Top-5 錯誤率。

結論

AlexNet 在 ILSVRC-2012 比賽中取得了驚人的成績，它的出現標誌著深度學習在計算機視覺領域的崛起。

這個網路的設計和訓練方法，對於後來的深度學習發展產生了深遠的影響。