深度学习（16）：深度卷积神经网络：实例探究

三个经典网络

LeNet-5

一个十分经典网络，处理任务是手写数字的识别。采用如下结构：

输入层：
32 * 32 * 1灰度图

卷积层（C1）：
6个 5 * 5 过滤器，步长为1，得到28 * 28 * 6的输出

池化层（S1）：（平均池化）
过滤器 2 * 2，步长为2， 输出14 * 14 * 6

卷积层（C2）：
16个 5 * 5 过滤器，步长为1，得到10 * 10 * 16的输出

池化层（S2）：（平均池化）
过滤器 2 * 2，步长为2， 输出5 * 5 * 16

全连接层（FC1）：
120神经元

全连接层（FC2）：
84神经元

输出层：
10节点（对应10数字）

由于年代久远，神经元个数较少，没有用到relu激活函数，输出层并没有采用softmax

AlexNet

和LeNet-5类似，不再详细阐述结构。
神经元个数大大增多，采用了最大池化替代平均池化，同时采用relu激活函数，采用了softmax激活函数。

VGG-16

观察到每一层卷积层，都采用”same“模式的pattern，过滤器个数翻倍。每个池化层均为2 * 2步长2，使得图片尺寸减小一半。这样使得神经元个数依次减少。
模型规模巨大。

残差网络ResNets

随着网络深度的增加，我们容易出现梯度爆炸和梯度衰减的现象。当层数逐渐加大时，明明应该获得更高的性能，我们的测试集准确率往往会缩小。为了解决这个问题出现了ResNets

基本单元：

skip connection：
我们发现，a[l]层的输出A 直接送到了a[l+2]层的激活函数前与其Z值线性求和后，再经过激活函数输出。这里注意，当两层的大小不一致时，我们或采用0填充，或采用一个参数矩阵进行整形（这个选择对网络影响很小）。

这样做的好处是：虽然是两层神经网络，但是我们很容易能够学得a[l]到a[l+2]的恒等映射（之前是很不容易的），间接使得中间的层数不起作用。同时我们往往会学得比恒等映射更加nb的东西，因此网络性能会得以提升。

1 * 1卷积（网络中的网络）

乍一听1 * 1卷积有些怪异，那是因为我们只在n * n * 1的角度考虑问题。当上一层输入为n * n * n_c 时，每一个1 * 1卷积都会将输入整合成n * n * 1的输出。相当于对每n_c个输入的特点进行了整合。
如果说池化层可以单纯调节输出层的长和宽，那么1 * 1卷积可以单纯调节输出层深度。

Inception network

我们在构建卷积神经网络时，往往要考虑很多超参数（卷积核大小，什么时候使用池化层等等）。Inception network可以让机器来为我们选择。
Inception network基本单元如下：

我们可以发现，我们利用不同的卷积核（甚至池化层）得到了4个长宽相同的输出，将它们纵向排列在一起，得到对应输出。
这里面的1 * 1卷积的作用有：减少连接数和计算量，整形深度（对池化层来说）

其他工具

之前提到的迁移学习（利用别人开源的已经训练好的参数）、数据扩充（图片裁剪、图片反转等）都可以帮助我们训练一个计算机视觉网络。