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：

对比 VGG 和 NIN 以及他们的架构的不同

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：