本文緣起于一次CNN作業(yè)中的一道題，這道題涉及到了基本的CNN網(wǎng)絡(luò)搭建，在MNIST數(shù)據(jù)集上的分類結(jié)果，Batch Normalization的影響，Dropout的影響，卷積核大小的影響，數(shù)據(jù)集大小的影響，不同部分?jǐn)?shù)據(jù)集的影響，隨機數(shù)種子的影響，以及不同激活單元的影響等，能夠讓人比較全面地對CNN有一個了解，所以想做一下，于是有了本文。

工具

開源深度學(xué)習(xí)庫： PyTorch

數(shù)據(jù)集： MNIST

實現(xiàn)

初始要求

首先建立基本的BASE網(wǎng)絡(luò)，在Pytorch中有如下code：

class Net(nn.Module): 
    def __init__(self): 
        super(Net, self).__init__() 
        self.conv1 = nn.Conv2d(1, 20, kernel_size=(5, 5), stride=(1, 1), padding=0) 
        self.conv2 = nn.Conv2d(20, 50, kernel_size=(5, 5), stride=(1, 1), padding=0) 
        self.fc1 = nn.Linear(4*4*50, 500) 
        self.fc2 = nn.Linear(500, 10) 
 
    def forward(self, x): 
        x = F.max_pool2d(self.conv1(x), 2) 
        x = F.max_pool2d(self.conv2(x), 2) 
        x = x.view(-1, 4*4*50) 
        x = F.relu(self.fc1(x)) 
        x = self.fc2(x) 
        return F.log_softmax(x) 

這部分代碼見 base.py 。

問題A：預(yù)處理

即要求將MNIST數(shù)據(jù)集按照規(guī)則讀取并且tranform到適合處理的格式。這里讀取的代碼沿用了BigDL Python Support的讀取方式，無需細(xì)說，根據(jù)MNIST主頁上的數(shù)據(jù)格式可以很快讀出，關(guān)鍵block有讀取32位比特的函數(shù)：

def _read32(bytestream): 
    dt = numpy.dtype(numpy.uint32).newbyteorder('>')    # 大端模式讀取，***字節(jié)在前(MSB first) 
    return numpy.frombuffer(bytestream.read(4), dtype=dt)[0] 

讀出后是(N, 1, 28, 28)的tensor，每個像素是0-255的值，首先做一下歸一化，將所有值除以255，得到一個0-1的值，然后再Normalize，訓(xùn)練集和測試集的均值方差都已知，直接做即可。由于訓(xùn)練集和測試集的均值方差都是針對歸一化后的數(shù)據(jù)來說的，所以剛開始沒做歸一化，所以forward輸出和grad很離譜，后來才發(fā)現(xiàn)是這里出了問題。

這部分代碼見 preprocessing.py 。

問題B：BASE模型

將random seed設(shè)置為0，在前10000個訓(xùn)練樣本上學(xué)習(xí)參數(shù)，***看20個epochs之后的測試集錯誤率。***結(jié)果為：

Test set: Average loss: 0.0014, Accuracy: 9732/10000 (97.3%) 

可以看到，BASE模型準(zhǔn)確率并不是那么的高。

問題C：Batch Normalization v.s BASE

在前三個block的卷積層之后加上Batch Normalization層，簡單修改網(wǎng)絡(luò)結(jié)構(gòu)如下即可：

class Net(nn.Module): 
    def __init__(self): 
        super(Net, self).__init__() 
        self.conv1 = nn.Conv2d(1, 20, kernel_size=(5, 5), stride=(1, 1), padding=0) 
        self.conv2 = nn.Conv2d(20, 50, kernel_size=(5, 5), stride=(1, 1), padding=0) 
        self.fc1 = nn.Linear(4*4*50, 500) 
        self.fc2 = nn.Linear(500, 10) 
        self.bn1 = nn.BatchNorm2d(20) 
        self.bn2 = nn.BatchNorm2d(50) 
        self.bn3 = nn.BatchNorm1d(500) 
 
    def forward(self, x): 
        x = self.conv1(x) 
        x = F.max_pool2d(self.bn1(x), 2) 
        x = self.conv2(x) 
        x = F.max_pool2d(self.bn2(x), 2) 
        x = x.view(-1, 4*4*50) 
        x = self.fc1(x) 
        x = F.relu(self.bn3(x)) 
        x = self.fc2(x) 
        return F.log_softmax(x) 

同樣的參數(shù)run一下，得出加了BN的結(jié)果為：

Test set: Average loss: 0.0009, Accuracy: 9817/10000 (98.2%) 

由此可見，有明顯的效果提升。

關(guān)于Batch Normalization的更多資料參見[2],[5]。

問題D： Dropout Layer

在***一層即 fc2 層后加一個 Dropout(p=0.5) 后，在BASE和BN上的結(jié)果分別為：

BASE：Test set: Average loss: 0.0011, Accuracy: 9769/10000 (97.7%) 
BN：  Test set: Average loss: 0.0014, Accuracy: 9789/10000 (97.9%) 

觀察得知，dropout能夠?qū)ASE模型起到一定提升作用，但是對BN模型卻效果不明顯反而降低了。

原因可能在于，BN模型中本身即包含了正則化的效果，再加一層Dropout顯得沒有必要反而可能影響結(jié)果。

問題E：SK model

SK model: Stacking two 3x3 conv. layers to replace 5x5 conv. layer

如此一番改動后，搭建的SK模型如下：

class Net(nn.Module): 
    def __init__(self): 
        super(Net, self).__init__() 
        self.conv1_1 = nn.Conv2d(1, 20, kernel_size=(3, 3), stride=(1, 1), padding=0) 
        self.conv1_2 = nn.Conv2d(20, 20, kernel_size=(3, 3), stride=(1, 1), padding=0) 
        self.conv2 = nn.Conv2d(20, 50, kernel_size=(3, 3), stride=(1, 1), padding=0) 
        self.fc1 = nn.Linear(5*5*50, 500) 
        self.fc2 = nn.Linear(500, 10) 
        self.bn1_1 = nn.BatchNorm2d(20) 
        self.bn1_2 = nn.BatchNorm2d(20) 
        self.bn2 = nn.BatchNorm2d(50) 
        self.bn3 = nn.BatchNorm1d(500) 
        self.drop = nn.Dropout(p=0.5) 
 
    def forward(self, x): 
        x = F.relu(self.bn1_1(self.conv1_1(x))) 
        x = F.relu(self.bn1_2(self.conv1_2(x))) 
        x = F.max_pool2d(x, 2) 
        x = self.conv2(x) 
        x = F.max_pool2d(self.bn2(x), 2) 
        x = x.view(-1, 5*5*50) 
        x = self.fc1(x) 
        x = F.relu(self.bn3(x)) 
        x = self.fc2(x) 
        return F.log_softmax(x) 

在20個epoch后，結(jié)果如下，

SK： Test set: Average loss: 0.0008, Accuracy: 9848/10000 (98.5%) 

測試集準(zhǔn)確率得到了少許的提高。

這里利用2個3x3的卷積核來代替大的5x5卷積核，參數(shù)個數(shù)由5x5=25變?yōu)榱?x3x3=18。實踐表明，這樣使得計算更快了，并且小的卷積層之間的ReLU也很有幫助。

VGG中就使用了這種方法。

問題F：Change Number of channels

通過將特征圖大小乘上一個倍數(shù)，再通過shell程序執(zhí)行，得到如下結(jié)果：

SK0.2：  97.7% 
SK0.5：  98.2% 
SK1：    98.5% 
SK1.5：  98.6% 
SK2：    98.5%  (max 98.7%) 

在特征圖分別為4，10, 30, 40時，最終的準(zhǔn)確度基本是往上提升的。這在一定程度上說明，在沒有達到過擬合前，增大特征圖的個數(shù)，即相當(dāng)于提取了更多的特征，提取特征數(shù)的增加有助于精度的提高。

這部分代碼見 SK_s.py 和 runSK.sh 。

問題G：Use different training set sizes

同樣通過腳本運行，增加參數(shù)

parser.add_argument('--usedatasize', type=int, default=60000, metavar='SZ', 
                    help='use how many training data to train network') 

表示使用的數(shù)據(jù)大小，從前往后取 usebatchsize 個數(shù)據(jù)。

這部分程序見 SK_s.py 和 runTrainingSize.sh 。

運行的結(jié)果如下：

500：   84.2% 
1000：  92.0% 
2000：  94.3% 
5000：  95.5% 
10000： 96.6% 
20000： 98.4% 
60000： 99.1% 

由此可以明顯地看出，數(shù)據(jù)越多，結(jié)果的精度越大。

太少的數(shù)據(jù)無法準(zhǔn)確反映數(shù)據(jù)的整體分布情況，而且容易過擬合，數(shù)據(jù)多到一定程度效果也會不明顯，不過，大多數(shù)時候我們總還是嫌數(shù)據(jù)太少，而且更多的數(shù)據(jù)獲取起來也有一定難度。

問題H：Use different training sets

采用腳本完成，這部分程序見 SK_0.2.py 和 diffTrainingSets.sh 。

運行結(jié)果如下：

 0-10000： 98.0% 
10000-20000： 97.8% 
20000-30000： 97.8% 
30000-40000： 97.4% 
40000-50000： 97.5% 
50000-60000： 97.7% 

由此可見，采用不同的訓(xùn)練樣本集合訓(xùn)練出來的網(wǎng)絡(luò)有一定的差異，雖不是很大，但是畢竟顯示出了不穩(wěn)定的結(jié)果。

問題I：Random Seed’s effects

采用 runSeed.sh 腳本完成，用到了全部60000個訓(xùn)練集。

運行的結(jié)果如下：

Seed      0：  98.9% 
Seed      1：  99.0% 
Seed     12：  99.1% 
Seed    123：  99.0% 
Seed   1234：  99.1% 
Seed  12345：  99.0% 
Seed 123456：  98.9% 

事實上在用上整個訓(xùn)練集的時候，隨機數(shù)生成器的種子設(shè)置對于***結(jié)果的影響不大。

問題J：ReLU or Sigmoid?

將ReLU全部換成Sigmoid后，用全部60000個訓(xùn)練集訓(xùn)練，有對比結(jié)果如下：

ReLU SK_0.2:  99.0% 
igmoid SK_0.2:  98.6% 

由此可以看出，在訓(xùn)練CNN時，使用ReLU激活單元比Sigmoid激活單元要更好一些。原因可能在于二者機制的差別，sigmoid在神經(jīng)元輸入值較大或者較小時，輸出值會近乎0或者1，這使得許多地方的梯度幾乎為0，權(quán)重幾乎得不到更新。而ReLU雖然增加了計算的負(fù)擔(dān)，但是它能夠顯著加速收斂過程，并且也不會有梯度飽和問題。