经典卷积架构的PyTorch实现：NiN

NiN

NiN在已有网络的基础上进行了改进，并且这些改进影响了后续网络模型的发展。经典之作，值得回味，今天我们就来一起实现它~

NiN的网络结构主要由多个NiN基础块堆叠而成。

1*1
卷积

NiN基础块含有3个卷积层，除了第一个卷积层，其余两个卷积层的卷积核尺寸都是1*1
的，这种卷积核不会改变特征图的尺寸，并且可以在不增加太多参数量的前提下，实现通道数的变化，相当于是将每个通道上的特征图做了一个融合(比如，卷之前，维度是[C,224,224]
，卷之后，维度是[D,224,224]
，看吧，只有通道数发生了变化)。

全局平均池化

在网络尾部进行分类结果输出时，NiN使用了全局平均池化层来代替之前的网络中一直使用的全连接层，这种提取全局信息的方式极大的减少了网络参数量，同时也不会像全连接层那样容易导致模型过拟合。你可以对比之前介绍的AlexNet，它在最后使用全连接层来输出分类结果，而这里的NiN使用的是全局平均池化。

NiN将网络最后一个NiN基础块的输出通道数设置为总类别数，紧接其后的全局平均池化层会在通道维度上对每张特征图求平均。假设总类别为10，那么就会有10个通道，经过全局平均池化层就能得到长度为10的向量，该向量中的每一个元素都是其对应通道上的特征图的平均像素值。

PyTorch 实现NiN

import torch
import torch.nn as nn

class NiN(nn.Module):
    
    def __init__(self,):
        super().__init__()
        self.net=net = nn.Sequential(
            self.nin_block(1, 96, kernel_size=11, stride=4, padding=0),
            nn.MaxPool2d(kernel_size=3, stride=2),
            self.nin_block(96, 256, kernel_size=5, stride=1, padding=2),
            nn.MaxPool2d(kernel_size=3, stride=2),
            self.nin_block(256, 384, kernel_size=3, stride=1, padding=1),
            nn.MaxPool2d(kernel_size=3, stride=2), 
            nn.Dropout(0.5),
            
            # 标签类别数是10,由于有全局平均池化层，无论输入图像尺寸如何变化，都会最终得到[bsize,类别数，1,1]的shape
            self.nin_block(384, 10, kernel_size=3, stride=1, padding=1),#准备输出
            nn.AdaptiveAvgPool2d((1,1)),#模拟全局平均池化
            nn.Flatten(start_dim=1)
        )
    
    #NiN基础块
    def nin_block(self,in_channels,out_channels,kernel_size, stride, padding):
        blk = nn.Sequential(nn.Conv2d(in_channels, out_channels, kernel_size, stride, 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())
        return blk
    
    def forward(self,x):
        return self.net(x)

其中的nin_block
方法定义了上面所说的NiN基础块，我们设置了分类问题的类别数为10。

这里使用了自适应平均池化层(AdaptiveAvgPool2d
)来实现全局平均池化，只需将其输出特征图的尺寸设置为1*1
即可.

现在，来测试一下：可以看到，输入4张图片，网络输出了每张图片所属类别信息（这些信息包含在长度为10的向量中）。当然，通常会在最后加一个softmax层，以便将输出的向量所含信息转为类别概率分布。

和之前实现的网络一样，我们也可以查看每层的shape变化：

all_layers=nn.ModuleList()
for block in model.net:
    try: 
        if len(block)!=1:
            all_layers.extend(block)
    except:
        all_layers.append(block)

x=torch.randn(4,1,224,224)
for layer in all_layers:
    x=layer(x)
    print('\nshape:  '+str(x.shape)+'   ####  layer:',layer)

输出：

参考：

• [1] https://blog.csdn.net/weixin_43624538/article/details/84562112
• [2] https://zh.d2l.ai/chapter_convolutional-neural-networks/nin.html