经典卷积神经网络的结构一般满足如下表达式:
输出层 -> (卷积层+ -> 池化层?)+ -> 全连接层+
上述公式中,“+”表示一个或者多个,“?”表示一个或者零个,如“卷积层+”表示一个或者多个卷积层,“池化层?”表示一个或者零个池化层。“->”表示 forward 方向。
下面将分别介绍 LeNet-5、AlexNet 和 VGG-16 结构。
1. LeNet-5(modern)
图 1 LeNet-5
1.1 LeNet-5 结构:
- 输入层
图片大小为 32×32×1,其中 1 表示为黑白图像,只有一个 channel。
- 卷积层
filter 大小 5×5,filter 深度(个数)为 6,padding 为 0, 卷积步长 $s=1$,输出矩阵大小为 28×28×6,其中 6 表示 filter 的个数。
- 池化层
average pooling,filter 大小 2×2(即 $f=2$),步长 $s=2$,no padding,输出矩阵大小为 14×14×6。
- 卷积层
filter 大小 5×5,filter 个数为 16,padding 为 0, 卷积步长 $s=1$,输出矩阵大小为 10×10×16,其中 16 表示 filter 的个数。
- 池化层
average pooling,filter 大小 2×2(即 $f=2$),步长 $s=2$,no padding,输出矩阵大小为 5×5×16。注意,在该层结束,需要将 5×5×16 的矩阵flatten 成一个 400 维的向量。
- 全连接层(Fully Connected layer,FC)
neuron 数量为 120。
- 全连接层(Fully Connected layer,FC)
neuron 数量为 84。
- 全连接层,输出层
现在版本的 LeNet-5 输出层一般会采用 softmax 激活函数,在 LeNet-5 提出的论文中使用的激活函数不是 softmax,但其现在不常用。该层神经元数量为 10,代表 0~9 十个数字类别。(图 1 其实少画了一个表示全连接层的方框,而直接用 $hat{y}$ 表示输出层。)
1.2 LeNet-5 一些性质:
- 输入层不算神经网络的层数,LeNet-5 是一个 5 层的网络。(把 卷积和池化 当作一个 layer)(LeNet-5 名字中的“5”也可以理解为整个网络中含可训练参数的层数为 5。)
- LeNet-5 大约有 60,000 个参数。
- 随着网络越来越深,图像的高度和宽度在缩小,与此同时,图像的 channel 数量一直在增加。
- 现在常用的 LeNet-5 结构和 Yann LeCun 教授在 1998 年论文中提出的结构在某些地方有区别,比如激活函数的使用,现在一般使用 ReLU 作为激活函数,输出层一般选择 softmax。
2. AlexNet
图 2 AlexNet
2.1 AlexNet 结构:
- 输入层:图像大小为 227×227×3,其中 3 表示输入图像的 channel 数(R,G,B)为 3。
- 卷积层:filter 大小 11×11,filter 个数 96,卷积步长 $s = 4$。(filter 大小只列出了宽和高,filter矩阵的 channel 数和输入图片的 channel 数一样,在这里没有列出)
- 池化层:max pooling,filter 大小 3×3,步长 $s = 2$。
- 卷积层:filter 大小 5×5,filter 个数 256,步长 $s = 1$,padding 使用 same convolution,即使得卷积层输出图像和输入图像在宽和高上保持不变。
- 池化层:max pooling,filter 大小 3×3,步长 $s = 2$。
- 卷积层:filter 大小 3×3,filter 个数 384,步长 $s = 1$,padding 使用 same convolution。
- 卷积层:filter 大小 3×3,filter 个数 384,步长 $s = 1$,padding 使用 same convolution。
- 卷积层:filter 大小 3×3,filter 个数 256,步长 $s = 1$,padding 使用 same convolution。
- 池化层:max pooling,filter 大小 3×3,步长 $s = 2$;池化操作结束后,将大小为 6×6×256 的输出矩阵 flatten 成一个 9216 维的向量。
- 全连接层:neuron 数量为 4096。
- 全连接层:neuron 数量为 4096。
- 全连接层,输出层:softmax 激活函数,neuron 数量为 1000,代表 1000 个类别。
2.2 AlexNet 一些性质:
- 大约 60million 个参数;
- 使用 ReLU 作为激活函数。
3. VGG-16
图 3 VGG-16
3.1 VGG-16 结构:
- 输入层
- 卷积层
- 卷积层
- 池化层
- 卷积层
- 卷积层
- 池化层
- 卷积层
- 卷积层
- 卷积层
- 池化层
- 卷积层
- 卷积层
- 卷积层
- 池化层
- 卷积层
- 卷积层
- 卷积层
- 池化层
- 全连接层
- 全连接层
- 全连接层,输出层
3.2 VGG-16 一些性质:
- VGG-16 中的 16 表示整个网络中有 trainable 参数的层数为 16 层。(trainable 参数指的是可以通过 back-propagation 更新的参数)
- VGG-16 大约有 138million 个参数。
- VGG-16 中所有卷积层 filter 宽和高都是 3,步长为 1,padding 都使用 same convolution;所有池化层的 filter 宽和高都是 2,步长都是 2。
References
Course 4 Convolutional Neural Networks by Anderw Ng
《TensorFLow实战Google深度学习框架》