当前位置：首页 > news >正文

深度学习-卷积神经网络-ResNet 残差网络

news 2025/8/16 12:05:41

在深度学习的发展历程中，卷积神经网络（CNN）不断推陈出新，ResNet（Residual Network）作为其中的杰出代表，以其独特的残差学习机制在图像识别领域取得了显著的成果，并推动了 CNN 的进一步发展。

1. 残差学习模块

ResNet 的核心创新在于其提出的残差学习模块（Residual Learning Module）。传统卷积神经网络在堆叠多层时，容易出现梯度消失或爆炸问题，导致模型难以训练。ResNet 通过引入残差学习模块解决了这一问题。

每个残差学习模块包含两个主要部分：一部分是卷积操作的主路径，另一部分是恒等映射的旁路（Skip Connection）。主路径通常包含两个或三个卷积层，用于提取特征。旁路则直接将输入特征图传递到主路径的输出，与主路径的输出进行逐元素相加操作。这种设计使得网络可以学习残差映射，而不是直接学习原始映射，从而更容易优化。

具体而言，残差学习模块的公式可以表示为：

Output=ReLU(X+F(X))

其中，X 是输入特征图，F(X) 表示主路径的卷积操作，ReLU 是激活函数。通过这种方式，残差学习模块能够有效地缓解梯度消失问题，使网络能够更深入地堆叠多层。

残差块一般是放在con1+激活函数+cov2之后，与残差连接相加，然后一起进入第二个激活函数中。

其中，当维度不匹配时，使用1×1的卷积核进行通道调整。

第一组操作：
1. Conv1：第一个卷积层（通常3×3卷积）
2. BN：批归一化层（Batch Normalization）
3. ReLU：激活函数
第二组操作：
1. Conv2：第二个卷积层（通常3×3卷积）
2. BN：批归一化层
残差连接：
1. 将原始输入x与第二组操作的输出相加（+操作）
2. 数学表达式：F(x) + x
最终激活：在相加后应用激活函数ReLU即可输出到下一层。

2. 性能优势

ResNet 在 ImageNet 等大型图像分类数据集上取得了优异的性能，显著降低了模型的 Top-5 错误率。通过残差学习模块的设计，ResNet 能够有效地缓解梯度消失问题，使模型能够更深入地堆叠多层，从而提高特征提取能力。

学习嵌套函数是训练神经网络的理想情况。在深层神经网络中，学习另一层作为恒等映射（identity function）较容易。
残差映射可以更容易地学习同一函数，例如将权重层中的参数近似为零。
利用残差块可以训练出有效的深层神经网络：输入可以通过层间的残余连接更快地向前传播。
残差网络（ResNet）对随后的深层神经网络设计产生了深远影响。

ResNet 的主要优点包括：

解决梯度消失问题：通过旁路连接，梯度可以直接回传到前面的层，避免了梯度消失问题。
更深的网络结构：ResNet 能够轻松构建非常深的网络结构（如 100 层、1000 层等），而不会导致训练困难。
更好的特征提取能力：残差学习模块的设计使得模型能够更有效地提取图像的特征信息。

3. 代码实现

代码改编自《动手学深度学习》

import torch
from torch import nn
from torch.nn import functional as F
from d2l import torch as d2lclass Residual(nn.Module):  #@savedef __init__(self, input_channels, num_channels,use_1x1conv=False, strides=1):super().__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 = Noneself.bn1 = nn.BatchNorm2d(num_channels)self.bn2 = nn.BatchNorm2d(num_channels)def forward(self, X):Y = F.relu(self.bn1(self.conv1(X)))Y = self.bn2(self.conv2(Y))if self.conv3:X = self.conv3(X)Y += Xreturn F.relu(Y)

下面我们来查看输入和输出形状一致的情况。

blk = Residual(3,3)
X = torch.rand(4, 3, 6, 6)
Y = blk(X)
Y.shape输出：torch.Size([4, 3, 6, 6])

我们也可以在增加输出通道数的同时，减半输出的高和宽。

blk = Residual(3,6, use_1x1conv=True, strides=2)
blk(X).shape输出：torch.Size([4, 6, 3, 3])

下面实现RestNet模型：

b1 = 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))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 blkb2 = nn.Sequential(*resnet_block(64, 64, 2, first_block=True))
b3 = nn.Sequential(*resnet_block(64, 128, 2))
b4 = nn.Sequential(*resnet_block(128, 256, 2))
b5 = nn.Sequential(*resnet_block(256, 512, 2))

net = nn.Sequential(b1, b2, b3, b4, b5,nn.AdaptiveAvgPool2d((1,1)),nn.Flatten(), nn.Linear(512, 10))

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, 64, 56, 56])
Sequential output shape:     torch.Size([1, 64, 56, 56])
Sequential output shape:     torch.Size([1, 128, 28, 28])
Sequential output shape:     torch.Size([1, 256, 14, 14])
Sequential output shape:     torch.Size([1, 512, 7, 7])
AdaptiveAvgPool2d output shape:      torch.Size([1, 512, 1, 1])
Flatten output shape:        torch.Size([1, 512])
Linear output shape:         torch.Size([1, 10])

训练模型：

lr, num_epochs, batch_size = 0.05, 10, 256
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size, resize=96)
d2l.train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu())输出：
loss 0.012, train acc 0.997, test acc 0.893
5032.7 examples/sec on cuda:0

查看全文

http://www.dtcms.com/a/333557.html