经典卷积架构的PyTorch实现：MobileNet V1

MobileNet V1

MobileNet V1 有点像VGG，它们的网络结构都是单分支的，通俗点说就是：一条路走到底。

只不过，相比于VGG，MobileNet V1 大量使用了深度可分离卷积，在模型的预测能力变化很小的前提下，极大地提升了模型的速度，从而推进了深度学习模型在移动端的使用。

ps：关于深度可分离卷积，可以查看这篇文章；关于VGG，可以查看这篇文章。

MobileNet V1 的网络结构如下：

其中，Conv
表示普通卷积，Conv dw
表示逐通道卷积，s1
表示卷积步长为1，s2
表示卷积步长为2。

PyTorch 实现 MobileNet V1

对于普通的卷积，即上面结构图中的Conv
直接调用torch.nn.Conv2d
就可以了；

而在上面的网络结构图中，每一个蓝色框起来的两部分组合起来就是深度可分离卷积，它包括了逐通道卷积(Conv dw
)和逐点卷积(Conv
，kernel_size=1)，其结构如下(左侧是普通卷积，右侧是深度可分离卷积)：

根据这个结构，就可以写代码实现深度可分离卷积了：

import torch
import torch.nn as nn

#深度可分离卷积
class Depth_Separable_Conv(nn.Module):
    
    def __init__(self,in_channels,out_channels,stride=1):
        super().__init__()
        self.in_channels=in_channels
        self.out_channels=out_channels
        self.stride=stride
        
        self.dw_conv=self.depth_wise_conv()#逐通道卷积：groups=in_channels
        self.pw_conv=self.point_wise_conv()#逐点卷积，即普通1x1卷积
        
    #逐通道卷积：groups=in_channels
    def depth_wise_conv(self):
        return nn.Sequential(
            nn.Conv2d(in_channels=self.in_channels,out_channels=self.in_channels,kernel_size=3,stride=self.stride,padding=1,groups=self.in_channels,bias=False),
            nn.BatchNorm2d(self.in_channels),
            nn.ReLU()
            )
    
    #逐点卷积，即普通1x1卷积
    def point_wise_conv(self):
        return nn.Sequential(
            nn.Conv2d(in_channels=self.in_channels,out_channels=self.out_channels,kernel_size=1,stride=1,padding=0,groups=1,bias=False),
            nn.BatchNorm2d(self.out_channels),
            nn.ReLU()
            )
    
    def forward(self,x):
        x=self.dw_conv(x)
        x=self.pw_conv(x)
        return x

根据总的网络结构图，可以发现其中的point wise conv
，即1x1
卷积的stride始终为1，因此在上面的代码中就把这个超参数固定为1了。而对于depth wise conv
，其stride不固定，因此使用的是传入的stride参数值。

有了上述结构，现在来实现整个MobileNet V1：

class MobileNetV1(nn.Module):
    
    def __init__(self,num_classes=1000,img_channels=3):
        super().__init__()
        #输出类别数
        self.num_classes=num_classes
        #输入图片的通道数
        self.img_channels=img_channels
        #网络结构
        self.m=nn.Sequential(
                    nn.Conv2d(in_channels=self.img_channels,out_channels=32,kernel_size=3,stride=2,padding=1,groups=1,bias=False),
                    nn.BatchNorm2d(32),
                    nn.ReLU(),

                    #Depth_Separable_Conv的参数顺序：in_channels,out_channels,stride
                    Depth_Separable_Conv(32,64,1),
                    Depth_Separable_Conv(64,128,2),
                    Depth_Separable_Conv(128,128,1),
                    Depth_Separable_Conv(128,256,2),
                    Depth_Separable_Conv(256,256,1),
                    Depth_Separable_Conv(256,512,2),

                    #重复5次
                    Depth_Separable_Conv(512,512,1),
                    Depth_Separable_Conv(512,512,1),
                    Depth_Separable_Conv(512,512,1),
                    Depth_Separable_Conv(512,512,1),
                    Depth_Separable_Conv(512,512,1),

                    Depth_Separable_Conv(512,1024,2),
                    Depth_Separable_Conv(1024,1024,2),

                    nn.AdaptiveAvgPool2d((1,1)),
                    nn.Flatten(start_dim=1),
                    nn.Linear(in_features=1024,out_features=self.num_classes)
                )
        
    def forward(self,x):
        x=self.m(x)
        return x

上述代码就是根据网络结构图，堆叠相应的卷积块，从完成了MobileNet V1网络的搭建。每一个卷积块都和网络结构图中的相应模块是对应的，因此强烈建议对照着网络结构图阅读以上代码，就自然清晰明了了。

注意，在卷积块堆叠完成后，我使用了更常用的自适应平均池化来代替平均池化，以便更能适应不同大小的输入。

现在来测试一下：

关于MobileNet V1的介绍就到这里，后续将对其改进版本，即MobileNet V2，MobileNet V3进行实现，敬请期待~

参考:

• [1] https://arxiv.org/pdf/1704.04861.pdf