深度学习-卷积神经网络-NIN

网络结构是卷积神经网络（CNN）发展的关键。其中，网络结构的改进至关重要。本文将介绍一种具有创新意义的卷积神经网络——NIN（Network in Network）。

LeNet、AlexNet和VGG都有一个共同的设计模式：通过一系列的卷积层与汇聚层来提取空间结构特征；然后通过全连接层对特征的表征进行处理。

AlexNet和VGG对LeNet的改进主要在于如何扩大和加深这两个模块。 或者，可以想象在这个过程的早期使用全连接层。然而，如果使用了全连接层，可能会完全放弃表征的空间结构。

网络中的网络NiN 提供了一个非常简单的解决方案：在每个像素的通道上分别使用多层感知机。

1. 网络结构组成

NiN块 使用了1×1的卷积层代表全连接层。

NIN的核心创新在于引入了“微网络”（Network in Network）的概念。具体来说，每个卷积层后面都跟随着一个1×1卷积核的微型网络，用于对特征图进行逐像素的特征变换，增加了网络的非线性表达能力。这种设计使得模型能够更深入地挖掘和利用特征信息。

与传统的卷积神经网络相比，NIN的结构设计更加紧凑，能够以较少的参数实现更好的性能。其主要特点如下：

1. 1×1卷积层的应用：通过1×1卷积核对特征图进行逐像素的特征变换，增加模型的非线性表达能力。

2. 全局平均池化层：在最后一层使用全局平均池化层代替全连接层，降低参数数量，减少过拟合风险，提高模型的泛化能力。

3. 网络深度的优化：NIN通过增加网络的深度来提高模型的特征提取能力，同时保持了模型的简洁性。

2. 代码实现

代码改编自《动手学深度学习》

import torch
from torch import nn
from d2l import torch as d2l


def nin_block(in_channels, out_channels, kernel_size, strides, padding):
    return nn.Sequential(
        nn.Conv2d(in_channels, out_channels, kernel_size, strides, padding),
        nn.ReLU(),
        nn.Conv2d(out_channels, out_channels, kernel_size=1), nn.ReLU(),
        nn.Conv2d(out_channels, out_channels, kernel_size=1), nn.ReLU())

net = nn.Sequential(
    nin_block(1, 96, kernel_size=11, strides=4, padding=0),
    nn.MaxPool2d(3, stride=2),
    nin_block(96, 256, kernel_size=5, strides=1, padding=2),
    nn.MaxPool2d(3, stride=2),
    nin_block(256, 384, kernel_size=3, strides=1, padding=1),
    nn.MaxPool2d(3, stride=2),
    nn.Dropout(0.5),
    # 标签类别数是10
    nin_block(384, 10, kernel_size=3, strides=1, padding=1),
    nn.AdaptiveAvgPool2d((1, 1)),
    # 将四维的输出转成二维的输出，其形状为(批量大小,10)
    nn.Flatten())

X = torch.rand(size=(1, 1, 224, 224))
for layer in net:
    X = layer(X)
    print(layer.__class__.__name__,'output shape:\t', X.shape)
    
输出：
Sequential output shape:     torch.Size([1, 96, 54, 54])
MaxPool2d output shape:      torch.Size([1, 96, 26, 26])
Sequential output shape:     torch.Size([1, 256, 26, 26])
MaxPool2d output shape:      torch.Size([1, 256, 12, 12])
Sequential output shape:     torch.Size([1, 384, 12, 12])
MaxPool2d output shape:      torch.Size([1, 384, 5, 5])
Dropout output shape:        torch.Size([1, 384, 5, 5])
Sequential output shape:     torch.Size([1, 10, 5, 5])
AdaptiveAvgPool2d output shape:      torch.Size([1, 10, 1, 1])
Flatten output shape:        torch.Size([1, 10])

lr, num_epochs, batch_size = 0.1, 10, 128
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size, resize=224)
d2l.train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu())

输出：
loss 0.563, train acc 0.786, test acc 0.790
3087.6 examples/sec on cuda:0

3. NIN的影响

NIN在多个图像分类任务中表现出了显著的性能提升。通过在ImageNet数据集上的实验验证，NIN在Top-5错误率上达到了较低的水平，证明了其在图像分类任务中的有效性。此外，NIN的结构设计使其适用于各种计算机视觉任务，包括目标检测和图像分割等。

与其他卷积神经网络架构相比，NIN在网络结构和性能上具有以下优势：

1. 更少的参数：NIN通过减少全连接层的数量，显著降低了模型的参数数量。

2. 更高的效率：由于参数数量的减少，NIN在训练和推理过程中更加高效。

3. 更好的泛化能力：全局平均池化层的使用提高了模型对新数据的适应能力。

1. NiN 使用由一个卷积层和多个1×1卷积层组成的块。

2. NiN块 可以在卷积神经网络中使用，以允许更多的每像素非线性。

3. NiN去除了容易造成过拟合的全连接层，将它们替换为全局平均汇聚层（即在所有位置上进行求和）。该汇聚层通道数量为所需的输出数量（例如，Fashion-MNIST的输出为10）。

4. 移除全连接层可减少过拟合，同时显著减少NiN的参数。

5. NiN的设计影响了许多后续卷积神经网络的设计。