1. AlexNet

1.1 AlexNet概要

如果你和机器学习研究人员交谈，你会发现他们相信机器学习既重要又美丽：优雅的理论去证明各种模型的性质。机器学习是一个正在蓬勃发展、严谨且非常有用的领域。然而，如果你和计算机视觉研究人员交谈，你会听到一个完全不同的故事。他们会告诉你图像识别的诡异事实————推动领域进步的是数据特征，而不是学习算法。计算机视觉研究人员相信**，从对最终模型精度的影响来说，更大或更干净的数据集、或是稍微改进的特征提取，比任何学习算法带来的进步要大得多。**
2012年，AlexNet（作者：Alex Krizhevsky、Ilya Sutskever和Geoff Hinton）横空出世。它首次证明了学习到的特征可以超越手工设计的特征。它一举打破了计算机视觉研究的现状。 AlexNet使用了8层卷积神经网络，并以很大的优势赢得了2012年ImageNet图像识别挑战赛。
在网络的最底层（靠近输入层的卷积层），模型学习到了一些类似于传统滤波器的特征抽取器比如边缘、颜色和纹理等特征，比如下图所示。
学习到的底层图像特征
AlexNet的更高层建立在这些底层表示的基础上，以表示更大的特征，如眼睛、鼻子、草叶等等。而更高的层可以检测整个物体，如人、飞机、狗或飞盘。最终的隐藏神经元可以学习图像的综合表示，从而使属于不同类别的数据易于区分。

1.2 AlexNet架构

AlexNet和LeNet的设计理念和架构非常相似，但也存在显著差异。首先，AlexNet比相对较小的LeNet5要深得多。 AlexNet由八层组成：五个卷积层、两个全连接隐藏层和一个全连接输出层（为三个全连接层）并且每个全连接层后面加入了Dropout()丢弃层，LeNet由五层组成：两个卷积层和三个全连接层。其次，AlexNet使用ReLU而不是sigmoid作为其激活函数，AlexNet使用MaxPool2d()池化层，而LeNet使用AvgPool2d()池化层，如下图所示。
LeNet和AlexNet网络模型对比

1.3 模型设计

在AlexNet的第一层，卷积窗口的形状是 11×11 。由于ImageNet中大多数图像的宽和高比MNIST图像的多10倍以上，因此，需要一个更大的卷积窗口来捕获目标。第二层中的卷积窗口形状被缩减为 5×5 ，然后是 3×3 。此外，在第一层、第二层和第五层卷积层之后，加入窗口形状为 3×3 、步幅为2的最大汇聚层。而且，AlexNet的卷积通道数目是LeNet的十几倍。
在最后一个卷积层后有两个全连接层，分别有4096个输出。这两个巨大的全连接层拥有将近1GB的模型参数。特别注意：三个全连接层总共有64004096+40964096+4096*10个参数，因此三个全连接层的所有参数占了整个AlexNet模型参数的一大部分（卷积层的权重参数其实很少，因为卷积核的权重参数会进行共享，有效地大量减少了模型的参数），因此也是在AlexNet计算中也是占大部分，也会占用GPU显存的大部分。由于早期GPU显存有限，原版的AlexNet采用了双数据流设计，使得每个GPU只负责存储和计算模型的一半参数。幸运的是，现在GPU显存相对充裕，所以我们现在很少需要跨GPU分解模型（因此，我们的AlexNet模型在这方面与原始论文稍有不同）。

1.4 激活函数

此外，AlexNet将sigmoid激活函数改为更简单的ReLU激活函数。一方面，ReLU激活函数的计算更简单，它不需要如sigmoid激活函数那般复杂的求幂运算。另一方面，当使用不同的参数初始化方法时，ReLU激活函数使训练模型更加容易。当sigmoid激活函数的输出非常接近于0或1时，这些区域的梯度几乎为0，因此反向传播无法继续更新一些模型参数。相反，ReLU激活函数在正区间的梯度总是1。因此，如果模型参数没有正确初始化，sigmoid函数可能在正区间内得到几乎为0的梯度，从而使模型无法得到有效的训练。

1.5 容量控制和预处理

AlexNet通过暂退法（ :numref:sec_dropout）控制全连接层的模型复杂度，而LeNet只使用了权重衰减。为了进一步扩充数据，AlexNet在训练时增加了大量的图像增强数据，如翻转、裁切和变色。这使得模型更健壮，更大的样本量有效地减少了过拟合。

1.6 AlexNet模型全部代码

尽管论文中AlexNet是在ImageNet上进行训练的，但我们在这里使用的是Fashion-MNIST数据集。因为即使在现代GPU上，训练ImageNet模型，同时使其收敛可能需要数小时或数天的时间。将AlexNet直接应用于Fashion-MNIST的一个问题是：Fashion-MNIST图像的分辨率（ 28×28 像素）(低于ImageNet图像。为了解决这个问题，我们将它们增加到 224×224 （通常来讲这不是一个明智的做法，但我们在这里这样做是为了有效使用AlexNet架构。我们使用d2l.load_data_fashion_mnist() 函数中的resize参数执行此调整。
与LeNet相比，训练AlexNet模型主要变化是需要使用更小的学习速率训练，这是因为网络更深更广、图像分辨率更高，因此导致训练AlexNet网络就更耗时也更昂贵（需要更多GPU来进行训练）。

import d2l.torch
import torch
from torch import nn
#定义AlexNet模型
AlexNet = nn.Sequential(nn.Conv2d(in_channels=1,out_channels=96,kernel_size=11,stride=4),nn.ReLU(),nn.MaxPool2d(kernel_size=3,stride=2),
                        nn.Conv2d(in_channels=96,out_channels=256,kernel_size=5,padding=2),nn.ReLU(),nn.MaxPool2d(kernel_size=3,stride=2),
                        nn.Conv2d(in_channels=256,out_channels=384,kernel_size=3,padding=1),nn.ReLU(),
                        nn.Conv2d(in_channels=384,out_channels=384,kernel_size=3,padding=1),nn.ReLU(),
                        nn.Conv2d(in_channels=384,out_channels=256,kernel_size=3,padding=1),nn.ReLU(),nn.MaxPool2d(kernel_size=3,stride=2),
                        nn.Flatten(),
                        nn.Linear(in_features=6400,out_features=4096),nn.ReLU(),nn.Dropout(0.5),
                        nn.Linear(in_features=4096,out_features=4096),nn.ReLU(),nn.Dropout(0.5),
                        nn.Linear(in_features=4096,out_features=10))
X = torch.randn(size=(1,1,224,224))
#构造一个高度和宽度都为224的单通道数据，来观察AlexNet每一层输出的形状大小
for layer in AlexNet:
    X = layer(X)
    print(layer.__class__.__name__,"output shape: \t",X.shape)
batch_size = 128
train_iter,test_iter = d2l.torch.load_data_fashion_mnist(batch_size=batch_size,resize=224)
lr,num_epochs = 0.03,20
#训练模型并在测试数据集上面测试
d2l.torch.train_ch6(AlexNet,train_iter,test_iter,num_epochs,0.03,d2l.torch.try_gpu())#跟LeNet模型训练函数train_LeNet()一样，这里只是把这个函数封装在d2l.torch里面，方便后面调用

'''
每一层输出形状大小结果如下：
Conv2d output shape:	 torch.Size([1, 96, 54, 54])
ReLU output shape:	 torch.Size([1, 96, 54, 54])
MaxPool2d output shape:	 torch.Size([1, 96, 26, 26])
Conv2d output shape:	 torch.Size([1, 256, 26, 26])
ReLU output shape:	 torch.Size([1, 256, 26, 26])
MaxPool2d output shape:	 torch.Size([1, 256, 12, 12])
Conv2d output shape:	 torch.Size([1, 384, 12, 12])
ReLU output shape:	 torch.Size([1, 384, 12, 12])
Conv2d output shape:	 torch.Size([1, 384, 12, 12])
ReLU output shape:	 torch.Size([1, 384, 12, 12])
Conv2d output shape:	 torch.Size([1, 256, 12, 12])
ReLU output shape:	 torch.Size([1, 256, 12, 12])
MaxPool2d output shape:	 torch.Size([1, 256, 5, 5])
Flatten output shape:	 torch.Size([1, 6400])
Linear output shape:	 torch.Size([1, 4096])
ReLU output shape:	 torch.Size([1, 4096])
Dropout output shape:	 torch.Size([1, 4096])
Linear output shape:	 torch.Size([1, 4096])
ReLU output shape:	 torch.Size([1, 4096])
Dropout output shape:	 torch.Size([1, 4096])
Linear output shape:	 torch.Size([1, 10])
'''

AlexNet模型训练结果和测试结果如下图所示(学习率lr为0.03，训练轮数epochs为20轮)：
AlexNet训练结果和测试结果

1.7 小结

AlexNet的架构与LeNet相似，但使用了更多的卷积层和更多的参数来拟合大规模的ImageNet数据集。
今天，AlexNet已经被更有效的架构所超越，但它是从浅层网络到深层网络的关键一步。
尽管AlexNet的代码只比LeNet多出几行，但学术界花了很多年才接受深度学习这一概念，并应用其出色的实验结果。
Dropout、ReLU和预处理（使用了大量的图像增强数据达到数据集扩增，更大的数据集样本量使得模型更健壮，有效地减少了模型的过拟合）是提升计算机视觉任务性能的其他关键步骤。

李沐动手学深度学习V2-AlexNet模型和代码实现