目录
🌊1. 研究目的
多层感知机模型选择：比较不同多层感知机模型的性能，选择最适合解决给定问题的模型；
欠拟合和过拟合：研究模型在训练数据上出现欠拟合或过拟合的情况，以便了解模型的泛化能力和优化方法的效果；
模型正则化和调参：通过实验观察和比较，研究正则化技术和调参对模型的影响，以改善模型的泛化性能；
模型复杂度与性能：探究多层感知机模型的复杂度对训练和测试性能的影响，以及如何找到合适的模型复杂度。
🌊2. 研究准备
- 根据GPU安装pytorch版本实现GPU运行研究代码；
- 配置环境用来运行 Python、Jupyter Notebook和相关库等相关库。
🌊3. 研究内容
启动jupyter notebook，使用新增的pytorch环境新建ipynb文件，为了检查环境配置是否合理，输入import torch以及torch.cuda.is_available() ，若返回TRUE则说明研究环境配置正确，若返回False但可以正确导入torch则说明pytorch配置成功，但研究运行是在CPU进行的，结果如下：
🌍3.1 卷积神经网络（AlexNet）
（1）使用jupyter notebook新增的pytorch环境新建ipynb文件，完成基本数据操作的研究代码与练习结果如下：
代码实现如下：
导入必要库及实现部分
%matplotlib inline
import torch
from torch import nn
from d2l import torch as d2l容量控制和预处理
net = nn.Sequential(
# 这里使用一个11*11的更大窗口来捕捉对象。
# 同时，步幅为4，以减少输出的高度和宽度。
# 另外，输出通道的数目远大于LeNet
nn.Conv2d(1, 96, kernel_size=11, stride=4, padding=1), nn.ReLU(),
nn.MaxPool2d(kernel_size=3, stride=2),
# 减小卷积窗口，使用填充为2来使得输入与输出的高和宽一致，且增大输出通道数
nn.Conv2d(96, 256, kernel_size=5, padding=2), nn.ReLU(),
nn.MaxPool2d(kernel_size=3, stride=2),
# 使用三个连续的卷积层和较小的卷积窗口。
# 除了最后的卷积层，输出通道的数量进一步增加。
# 在前两个卷积层之后，汇聚层不用于减少输入的高度和宽度
nn.Conv2d(256, 384, kernel_size=3, padding=1), nn.ReLU(),
nn.Conv2d(384, 384, kernel_size=3, padding=1), nn.ReLU(),
nn.Conv2d(384, 256, kernel_size=3, padding=1), nn.ReLU(),
nn.MaxPool2d(kernel_size=3, stride=2),
nn.Flatten(),
# 这里，全连接层的输出数量是LeNet中的好几倍。使用dropout层来减轻过拟合
nn.Linear(6400, 4096), nn.ReLU(),
nn.Dropout(p=0.5),
nn.Linear(4096, 4096), nn.ReLU(),
nn.Dropout(p=0.5),
# 最后是输出层。由于这里使用Fashion-MNIST，所以用类别数为10，而非论文中的1000
nn.Linear(4096, 10))
X = torch.randn(1, 1, 224, 224)
for layer in net:
X=layer(X)
print(layer.__class__.__name__,'output shape:\t',X.shape)
读取数据集
batch_size = 128
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size, resize=224)训练AlexNet
lr, num_epochs = 0.01, 10
d2l.train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu())
🌍3.2 练习
1.试着增加迭代轮数。对比LeNet的结果有什么不同？为什么？
增加迭代轮数可以让模型更多次地更新参数，从而提升性能。对比LeNet，增加迭代轮数可能会导致以下不同之处：
- 更高的训练准确率：通过增加迭代轮数，模型有更多机会从训练数据中学习，因此可以提高训练准确率。
- 更低的过拟合风险：通过增加迭代轮数，模型可以更好地学习数据的特征，但也可能会导致过拟合。为了缓解过拟合，代码中使用了dropout层来减轻过拟合的影响。
- 训练时间增加：增加迭代轮数会导致训练时间的增加，因为每轮迭代都需要计算和更新更多的参数。因此，在实际应用中，需要权衡迭代轮数和训练时间之间的关系。
- 更稳定的收敛：增加迭代轮数可以使模型更充分地学习数据的特征，并且更有可能达到稳定的收敛状态。这可能会导致更好的测试准确率。
2.AlexNet对Fashion-MNIST数据集来说可能太复杂了。
2.1尝试简化模型以加快训练速度，同时确保准确性不会显著下降。
为了简化模型以加快训练速度，可以尝试减少卷积层的数量和输出通道的数量，同时减少全连接层的数量和隐藏单元的数量。这样可以降低模型的复杂度，从而加快训练速度，同时尽量保持准确性。
import torch
from torch import nn
from d2l import torch as d2l
net = nn.Sequential(
nn.Conv2d(1, 96, kernel_size=11, stride=4, padding=1), nn.ReLU(),
nn.MaxPool2d(kernel_size=3, stride=2),
nn.Conv2d(96, 256, kernel_size=5, padding=2), nn.ReLU(),
nn.MaxPool2d(kernel_size=3, stride=2),
nn.Conv2d(256, 384, kernel_size=3, padding=1), nn.ReLU(),
nn.Conv2d(384, 384, kernel_size=3, padding=1), nn.ReLU(),
nn.Conv2d(384, 256, kernel_size=3, padding=1), nn.ReLU(),
nn.MaxPool2d(kernel_size=3, stride=2),
nn.Flatten(),
nn.Linear(6400, 4096), nn.ReLU(),
nn.Dropout(p=0.5),
nn.Linear(4096, 4096), nn.ReLU(),
nn.Dropout(p=0.5),
nn.Linear(4096, 10)
)
在上述代码中，我删除了一些卷积层，并减少了它们的输出通道数。此外，我还减少了全连接层的数量和隐藏单元的数量。这样可以减少模型的参数量，从而加快训练速度。但请注意，这种简化可能会对准确性产生一定影响，因此需要根据具体情况进行权衡。你可以尝试调整模型结构和超参数，以找到适合你的数据集的最佳简化模型。
2.2设计一个更好的模型，可以直接在28×28图像上工作。
使用现代的卷积神经网络（CNN）架构，如ResNet、VGG或Inception等。这些网络结构在图像分类任务上表现出色，并且能够有效地处理较小的输入图像。
以下是一个使用ResNet作为基础的示例模型代码，该模型可以直接在28x28图像上进行训练和分类：
import torch
from torch import nn
from d2l import torch as d2l
class Residual(nn.Module):
def __init__(self, input_channels, num_channels, use_1x1conv=False, strides=1):
super(Residual, self).__init__()
self.conv1 = nn.Conv2d(input_channels, num_channels, kernel_size=3, padding=1, stride=strides)
self.conv2 = nn.Conv2d(num_channels, num_channels, kernel_size=3, padding=1)
if use_1x1conv:
self.conv3 = nn.Conv2d(input_channels, num_channels, kernel_size=1, stride=strides)
else:
self.conv3 = None
self.bn1 = nn.BatchNorm2d(num_channels)
self.bn2 = nn.BatchNorm2d(num_channels)
self.relu = nn.ReLU()
def forward(self, X):
Y = self.relu(self.bn1(self.conv1(X)))
Y = self.bn2(self.conv2(Y))
if self.conv3:
X = self.conv3(X)
return self.relu(Y + X)
def resnet_block(input_channels, num_channels, num_residuals, first_block=False):
blk = []
for i in range(num_residuals):
if i == 0 and not first_block:
blk.append(Residual(input_channels, num_channels, use_1x1conv=True, strides=2))
else:
blk.append(Residual(num_channels, num_channels))
return nn.Sequential(*blk)
net = nn.Sequential(
nn.Conv2d(1, 64, kernel_size=7, stride=2, padding=3),
nn.BatchNorm2d(64),
nn.ReLU(),
nn.MaxPool2d(kernel_size=3, stride=2, padding=1),
resnet_block(64, 64, 2, first_block=True),
resnet_block(64, 128, 2),
resnet_block(128, 256, 2),
nn.AdaptiveAvgPool2d((1, 1)),
nn.Flatten(),
nn.Linear(256, 10)
)
X = torch.randn(1, 1, 28, 28)
for layer in net:
X = layer(X)
print(layer.__class__.__name__, 'output shape:\t', X.shape)
batch_size = 128
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size, resize=28)
lr, num_epochs = 0.01, 10
d2l.train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu())
在上述代码中，使用了ResNet的基本块（Residual Block）来构建模型。每个基本块由两个卷积层组成，通过跳跃连接（shortcut connection）实现残差学习。模型包括多个基本块，逐渐增加通道数和减少特征图的大小，最后使用全局平均池化层将特征图转换为向量，然后通过全连接层进行分类。
通过这种设计，可以在较小的28x28图像上训练和分类，并且仍然能够获得较好的性能。
3.修改批量大小，并观察模型精度和GPU显存变化。
要修改批量大小并观察模型的准确性和GPU显存的变化，可以调整batch_size参数。较大的批量大小可能会提高训练速度，但同时会占用更多的GPU显存。
4.分析了AlexNet的计算性能。
4.1在AlexNet中主要是哪部分占用显存？
在AlexNet中，主要占用显存的部分是网络中的卷积层和全连接层。
- 卷积层：AlexNet包含多个卷积层，这些层具有大量的参数和中间特征图，因此会占用较多的显存。卷积层的参数量随着卷积核的大小、输入通道数和输出通道数的增加而增加。同时，中间特征图的大小也会随着网络的深度增加而增加，从而占用更多的显存。
- 全连接层：在AlexNet的最后几层，存在多个全连接层，其中隐藏单元的数量较大。全连接层的参数量很大，因为每个隐藏单元都连接到上一层的所有输出。这些大规模的参数量会占用较多的显存。
4.2在AlexNet中主要是哪部分需要更多的计算？
在AlexNet中，主要需要更多计算的部分是卷积层和全连接层。
- 卷积层：卷积层涉及到卷积操作，需要对输入特征图和卷积核进行逐元素相乘和求和运算。由于AlexNet中的卷积层较多且具有较大的卷积核尺寸和输出通道数，因此卷积层需要较多的计算量。
- 全连接层：全连接层涉及到每个隐藏单元与上一层的所有输出进行乘法和加法运算。在AlexNet的最后几层，存在多个全连接层，其中隐藏单元的数量较大。因此，全连接层也需要较多的计算量。
这两个部分的计算量通常是神经网络中最大的，尤其是全连接层，因为全连接层的参数量非常大，需要大量的乘法和加法运算。
4.3 计算结果时显存带宽如何？
在AlexNet中，计算结果时对显存带宽的需求相对较高，尤其是在进行前向传播和反向传播过程中。
由于AlexNet具有大量的参数和中间特征图，计算过程需要频繁地读取和写入显存。以下是一些导致显存带宽需求较高的情况：
- 数据加载：在每个训练迭代中，需要从存储介质（如硬盘）加载训练数据到显存中。这涉及到大量的数据传输，对显存带宽有一定要求。
- 前向传播：在前向传播过程中，输入数据和模型参数被加载到显存中，并进行卷积和全连接计算。这涉及到大量的乘法和加法操作，需要频繁读取和写入显存。
- 反向传播：在反向传播过程中，计算梯度并更新模型参数。这也涉及到大量的乘法和加法操作，需要频繁读取和写入显存。
- 模型参数存储：AlexNet具有大量的模型参数，这些参数需要存储在显存中，以便在前向传播和反向传播过程中使用。
5 将dropout和ReLU应用于LeNet-5，效果有提升吗？再试试预处理会怎么样？
可以。 Dropout 是一种正则化技术，可以随机丢弃一部分神经元的输出，以减少过拟合。 ReLU 是一种非线性激活函数，可以增加模型的非线性能力。通过引入 Dropout 和 ReLU，可以增强模型的泛化能力和表示能力，从而提升性能。
以下是在 LeNet-5 中应用 Dropout 和 ReLU 的示例代码
import torch
from torch import nn
from torchvision.datasets import FashionMNIST
from torchvision.transforms import Compose, ToTensor, Normalize
from torch.utils.data import DataLoader
# 添加Dropout和ReLU层
net = nn.Sequential(
nn.Conv2d(1, 6, kernel_size=5, padding=2),
nn.ReLU(),
nn.MaxPool2d(kernel_size=2, stride=2),
nn.Dropout(p=0.5), # 添加Dropout层
nn.Conv2d(6, 16, kernel_size=5),
nn.ReLU(),
nn.MaxPool2d(kernel_size=2, stride=2),
nn.Dropout(p=0.5), # 添加Dropout层
nn.Flatten(),
nn.Linear(16 * 5 * 5, 120),
nn.ReLU(),
nn.Linear(120, 84),
nn.ReLU(),
nn.Linear(84, 10)
)
# 加载Fashion-MNIST数据集，并进行预处理
transform = Compose([ToTensor(), Normalize((0.5,), (0.5,))])
train_dataset = FashionMNIST(root='./data', train=True, download=True, transform=transform)
test_dataset = FashionMNIST(root='./data', train=False, download=True, transform=transform)
batch_size = 128
train_iter = DataLoader(train_dataset, batch_size=batch_size, shuffle=True)
test_iter = DataLoader(test_dataset, batch_size=batch_size, shuffle=False)
lr, num_epochs = 0.001, 10
d2l.train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu())
在上述代码中，我在LeNet-5中添加了Dropout层，并将激活函数替换为ReLU函数。这样可以增加模型的非线性性和泛化能力，减轻过拟合的问题。
此外还对Fashion-MNIST数据集进行了预处理，使用torchvision.transforms.Normalize函数进行数据标准化。预处理可以帮助加快模型的收敛速度和提高模型的准确性。
以下是在 LeNet-5 中应用预处理的示例代码：
import torch
from torch import nn
from torchvision.datasets import FashionMNIST
from torchvision.transforms import Compose, ToTensor, Normalize
from torch.utils.data import DataLoader
from d2l import torch as d2l
# 定义LeNet-5模型
net = nn.Sequential(
nn.Conv2d(1, 6, kernel_size=5, padding=2),
nn.ReLU(),
nn.MaxPool2d(kernel_size=2, stride=2),
nn.Conv2d(6, 16, kernel_size=5),
nn.ReLU(),
nn.MaxPool2d(kernel_size=2, stride=2),
nn.Flatten(),
nn.Linear(16 * 5 * 5, 120),
nn.ReLU(),
nn.Linear(120, 84),
nn.ReLU(),
nn.Linear(84, 10)
)
# 加载Fashion-MNIST数据集，并进行预处理
transform = Compose([ToTensor(), Normalize((0.5,), (0.5,))])
train_dataset = FashionMNIST(root='./data', train=True, download=True, transform=transform)
test_dataset = FashionMNIST(root='./data', train=False, download=True, transform=transform)
batch_size = 128
train_iter = DataLoader(train_dataset, batch_size=batch_size, shuffle=True)
test_iter = DataLoader(test_dataset, batch_size=batch_size, shuffle=False)
lr, num_epochs = 0.001, 10
d2l.train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu())
在上述代码中，我使用了torchvision.transforms.Compose来定义一个预处理的管道，其中包括ToTensor()将图像转换为张量并归一化Normalize((0.5,), (0.5,))。
然后使用FashionMNIST数据集类加载数据集，并传递预处理管道。训练集和测试集分别使用DataLoader封装，并设置适当的批量大小。
最后使用定义好的预处理数据进行LeNet-5模型的训练和测试。
🌊4. 研究体会
通过这次研究，我深入学习了卷积神经网络（CNN），选择了AlexNet作为研究对象，并进行了一系列的探索和应用。实验的过程使我对CNN的原理和工作方式有了更深入的理解，同时也让我认识到了AlexNet在深度学习领域的重要性和影响。
首先，我对CNN的基本原理和工作方式有了更清晰的认识。通过学习卷积层、池化层和全连接层等结构的作用和工作原理，我逐渐认识到CNN在图像处理任务中的独特性和优势。卷积层通过局部感知和权重共享的方式，能够有效地提取图像的空间特征，而池化层则能够降低特征图的维度并保留主要信息，全连接层则负责将提取到的特征进行分类。这种层次化的结构使得CNN在图像分类、目标检测等计算机视觉任务中具有出色的性能。
其次，通过研究AlexNet的网络结构和设计思路，我深刻认识到它对深度学习领域的重要性。作为一个早期的深度卷积神经网络模型，AlexNet在2012年的ILSVRC竞赛中取得了巨大的成功，极大地推动了深度学习的发展。通过分析AlexNet的架构，我了解到它采用了多个卷积层和池化层的叠加，使用了ReLU激活函数，并引入了局部响应归一化的操作。这些设计决策使得AlexNet具有较深的网络结构和更强的表征能力，从而在当时取得了最先进的分类性能。
在实践中，我将AlexNet应用于计算机视觉任务，并通过使用预训练的AlexNet模型和自定义数据集，探索了如何利用卷积神经网络进行图像分类。通过进行训练和测试，我发现AlexNet在分类任务中表现出色，能够高效地对图像进行分类并取得较高的准确率。此外，我还尝试了不同的训练策略、优化算法和超参数的组合，并对比了它们对网络性能的影响。
实验中，我还对深度学习模型的可解释性和可视化方法进行了探索。通过可视化网络中的卷积特征、激活图和梯度信息等，我能更深入地理解AlexNet的工作原理和决策过程。这样的可视化结果让我直观地观察到网络对图像的理解能力，并了解网络在不同层次上提取到的特征。
通过这次实验，我不仅对卷积神经网络的原理和工作方式有了更深入的理解，还对AlexNet的重要性和影响有了更深刻的认识。我学会了如何应用卷积神经网络进行图像分类任务，并对网络的优化和调整有了一定的经验。同时，通过可视化方法，我对网络的解释能力和特征提取过程有了更具体的认识。
![[图解]企业应用架构模式2024新译本讲解12-领域模型5](https://img-blog.csdnimg.cn/direct/16f5a61e5a094747bb6ee1d0c368e7f1.png)
