rest搭建 resnet网络搭建

　上面2个函数定义好了，那么剩下的编写网络就比较容易了，我们在ResNet结构介绍中有一个表，再贴出来：

Layer_name	Output_size	20-layer ResNet
Conv1	32 X 32	Kernel_size=3 X 3 Num_output = 16 Stride = 1 Pad = 1
Conv2_x	32 X 32	{3X3,16; 3X3,16} X 3
Conv3_x	16 X 16	{3X3,16; 3X3,16} X 3
Conv4_x	8 X 8	{3X3,16; 3X3,16} X 3
InnerProduct	1 X 1	Average pooling 10-d fc

　　在 Conv1 中对图像做一次卷积即可，Conv2_x 到 Conv4_x 每个都有 3 个 block，并且卷积核数目都是翻倍增加 {16, 32, 64}，图像块大小翻倍减小 {32, 16, 8}，由于我们输入图像经过剪裁是 28 X 28，实际我们应该是 {28, 14, 7}，不过我们暂且就当作输入图像是 32 X 32 大小。
　　网络中大部分卷积核大小都是 3 X 3，为什么有的卷积核的 pad 是 1，因为如果不加 pad 的话输出的 size 就会比原图像小,因此要加上 pad 这样卷积出来的图片就和原图像 size 一致。Conv1 到 Conv2_x 之间由于数据的通道数都是 16，数据的维度一样，因此输入和输出可以直接加在一起。但是 Con2_x 到 Conv3_x 和 Conv3_x 到 Conv4_x 之间数据的通道数都不一样，而且 output_size 都不一样，不能加在一起，在这里我们采用论文中的 B 方法——对输入数据用 1 X 1 的卷积核映射到与输出数据同样的维度。这就是为什么 ResNet_Block() 里面 projection_stride（映射步长） = 1 时认为输入输出的维度一样，可以直接相加，因此 proj = bottom；而当 projection_stride（映射步长） = 2时认为输入与输出维度不一样，需要用 1 X 1 大小，stride = 2 的卷积核来使得卷积核后的 output_size 是原来的一样。那么在 ResNet() 函数中我们这样编写：

def ResNet(split):
 
    if split == 'train':        
        ...
    else:        
        ...
    
    # 每个 ConvX_X 都有 3 个Residual Block                                                  
    repeat = 3
    scale, result = conv_BN_scale_relu(split, data, nout = 16, ks = 3, 
                                       stride = 1, pad = 1)
    
    # Conv2_X，输入与输出的数据通道数都是 16， 大小都是 32 x 32，可以直接相加，
    # 设置映射步长为 1
    for ii in range(repeat):
        
        projection_stride = 1
        result = ResNet_block(split, result, nout = 16, ks = 3, stride = 1, 
                              projection_stride = projection_stride, pad = 1)
    
    # Conv3_X
    for ii in range(repeat):
        
        if ii == 0:
            
            # 只有在刚开始 conv2_X(16 x 16) 到 conv3_X(8 x 8) 的
            # 数据维度不一样，需要映射到相同维度，卷积映射的 stride 为 2
            projection_stride = 2
            
        else:
            
            projection_stride = 1
            result = ResNet_block(split, result, nout = 32, ks = 3, stride = 1, 
                              projection_stride = projection_stride, pad = 1)
    
    # Conv4_X                          
    for ii in range(repeat):
        
        if ii == 0:
            
            projection_stride = 2
            
        else:
            
            projection_stride = 1
            result = ResNet_block(split, result, nout = 64, ks = 3, stride = 1, 
                              projection_stride = projection_stride, pad = 1)

View Code

　　这样，我们就写好了中间的卷积部分，这时候我们最后一层的输出是 64 X 8 X 8（64个通道的 8 X 8 大小的 feature map），最后我们要经过一个 global average pooling，就是把每个 8 X 8 的 feature map 映射成 1 X 1 大小，最后输出为 64 X 1 X 1，再经过输出个数为 10 的InnerProduct 全连接层输出 10 类标签的概率，生成概率的话就用 softmaxWithLoss 层即可。那么整个 ResNet() 的可以写成：

def ResNet(split):
    
    # 写入数据的路径
    train_file = this_dir + '/caffe-master/examples/cifar10/cifar10_train_lmdb'
    test_file = this_dir + '/caffe-master/examples/cifar10/cifar10_test_lmdb'
    mean_file = this_dir + '/caffe-master/examples/cifar10/mean.binaryproto'
    
    # source: 导入的训练数据路径; 
    # backend: 训练数据的格式; 
    # ntop: 有多少个输出,这里是 2 个,分别是 n.data 和 n.labels,即训练数据和标签数据,
    # 对于 caffe 来说 bottom 是输入,top 是输出
    # mirror: 定义是否水平翻转,这里选是
    
    # 如果写是训练网络的 prototext 文件    
    if split == 'train':
        
        data, labels = L.Data(source = train_file, backend = P.Data.LMDB, 
                              batch_size = 128, ntop = 2, 
                              transform_param = dict(mean_file = mean_file, 
                                                      crop_size = 28, 
                                                      mirror = True))

    
    # 如果写的是测试网络的 prototext 文件
    # 测试数据不需要水平翻转,你仅仅是用来测试
    else:
        
        data, labels = L.Data(source = test_file, backend = P.Data.LMDB, 
                              batch_size = 128, ntop = 2, 
                              transform_param = dict(mean_file = mean_file, 
                                                      crop_size =28))
    
    # 每个 ConvX_X 都有 3 个Residual Block                                                  
    repeat = 3
    scale, result = conv_BN_scale_relu(split, data, nout = 16, ks = 3, 
                                       stride = 1, pad = 1)
    
    # Conv2_X，输入与输出的数据通道数都是 16， 大小都是 32 x 32，可以直接相加，
    # 设置映射步长为 1
    for ii in range(repeat):
        
        projection_stride = 1
        result = ResNet_block(split, result, nout = 16, ks = 3, stride = 1, 
                              projection_stride = projection_stride, pad = 1)
    
    # Conv3_X
    for ii in range(repeat):
        
        if ii == 0:
            
            # 只有在刚开始 conv2_X(16 x 16) 到 conv3_X(8 x 8) 的
            # 数据维度不一样，需要映射到相同维度，卷积映射的 stride 为 2
            projection_stride = 2
            
        else:
            
            projection_stride = 1
            result = ResNet_block(split, result, nout = 32, ks = 3, stride = 1, 
                              projection_stride = projection_stride, pad = 1)
    
    # Conv4_X                          
    for ii in range(repeat):
        
        if ii == 0:
            
            projection_stride = 2
            
        else:
            
            projection_stride = 1
            result = ResNet_block(split, result, nout = 64, ks = 3, stride = 1, 
                              projection_stride = projection_stride, pad = 1)
                              
    pool = L.Pooling(result, pool = P.Pooling.AVE, global_pooling = True)
    IP = L.InnerProduct(pool, num_output = 10, 
                        weight_filler = dict(type = 'xavier'), 
                        bias_filler = dict(type = 'constant'))
                        
    acc = L.Accuracy(IP, labels)
    loss = L.SoftmaxWithLoss(IP, labels)
    
    return to_proto(acc, loss)

　　运行整个文件后，我们就生成了网络的 train.prototxt 和 test.prototxt 文件了，但是我们怎么知道我们生成的 prototxt 是不是正确的呢？我们可以可视化网络的结构。我们在 ResNet 文件夹下打开终端，输入：

$python ./caffe-master/python/draw_net.py ./res_net_model/train.prototxt ./res_net_model/train.png --rankdir=TB

Fig 14 画网络结构

　　draw_net.py 至少输入 2 个参数，一个是 prototxt 文件的地址，一个是图像保存的地址，后面的 --rankdir=TB 的意思是网络的结构从上到下 (Top→Bottom) 画出来,类似还有 BT，LR(Left→Right)，RL。另外，这里需要说明一下，可能有些高版本的 Caffe 用这个命令会报错，原因是 ‘int’ object has no attribute '_values'，关于这个问题的解决，请看这里：https://github.com/BVLC/caffe/issues/5324。

Fig 15 draw_net.py 画出的网络结构图

　　由于图片太长，我们只显示了网络的部分结构，接下来，我们要生成 solver 的 prototxt。

 

　　步骤3：创建 solver 的 prototxt 文件

　　在 caffe-master/examples/pycaffe 文件夹中有一个 tools.py 文件，这个文件可以生成我们所需要的 solver 的 prototxt 文件，我们在 /ResNet 文件下新建一个 tools 文件夹，再把 tools.py 放入这个文件夹中，由于系统只能找到当前目录下的文件，为了让系统能够找到 tool.py，我们在 init_path.py 中添加下面这句:

tools_path = osp.join(this_dir, 'tools')
add_path(tools_path )

　　这样我们就把 ResNet/tools 路径添加到系统中，系统就能找到 tools.py 了。那么我们在 mydemo.py 开头，在 import init_path 之后添加 import tools，这样就把 tools.py 导入到了系统中。我们在 mydemo.py 文件最下面的 make_net() 后面添加以下代码： 

# 把内容写入 res_net_model 文件夹中的 res_net_solver.prototxt
solver_dir = this_dir + '/res_net_model/res_net_solver.prototxt'
solver_prototxt = tools.CaffeSolver()
solver_prototxt.write(solver_dir)

 

　　那么res_net_solver.prototxt里面究竟写了啥？我们先打开ResNet/tools/tools.py。

Fig 16 tools.py 截图

　　里面有各种 solver 参数，论文中的 basb_lr 为 0.1，lr_policy = multistep 等，具体地，我们改成以下的参数：

def __init__(self, testnet_prototxt_path=this_dir+"/../res_net_model/test.prototxt",
             trainnet_prototxt_path=this_dir+"/../res_net_model/train.prototxt", debug=False):

    self.sp = {}

    # critical:
    self.sp['base_lr'] = '0.1'
    self.sp['momentum'] = '0.9'

    # speed:
    self.sp['test_iter'] = '100'
    self.sp['test_interval'] = '500'

    # looks:
    self.sp['display'] = '100'
    self.sp['snapshot'] = '2500'
    self.sp['snapshot_prefix'] = '"/home/your_name/ResNet/res_net_model/snapshot/snapshot"'  # string within a string!

    # learning rate policy
    self.sp['lr_policy'] = '"multistep"'
    self.sp['step_value'] = '32000'
    self.sp['step_value1'] = '48000'

    # important, but rare:
    self.sp['gamma'] = '0.1'
    self.sp['weight_decay'] = '0.0001'
    self.sp['train_net'] = '"' + trainnet_prototxt_path + '"'
    self.sp['test_net'] = '"' + testnet_prototxt_path + '"'

    # pretty much never change these.
    self.sp['max_iter'] = '100000'
    self.sp['test_initialization'] = 'false'
    self.sp['average_loss'] = '25'  # this has to do with the display.
    self.sp['iter_size'] = '1'  # this is for accumulating gradients

    if (debug):
        self.sp['max_iter'] = '12'
        self.sp['test_iter'] = '1'
        self.sp['test_interval'] = '4'
        self.sp['display'] = '1'

　　下面解释一下为什么设置这些参数，论文中的学习率为 0.1，对应的我们设置 lr_base = 0.1；在迭代到 32000 次，48000 次的时候学习率依次降低十分之一，那么 lr_policy = multistep (多阶段变化), gamma = 0.1；权重的惩罚系数为 0.0001；batch 的大小是 128，这个我们在 ResNet()函数中已经定义过了，momentum 动量是 0.9。那么其他的就随意了，当然有 GPU 最好用 GPU 跑，CPU 跑得相当慢，其他参数的意思都比较好理解，关于 snapshot 这个的意思是每迭代多少次保存一次模型，因此你可以找到模型迭代过程中各个阶段的参数，训练过程是一个漫长的等待，设置snapshot 这个好处就是你可以继续上次的迭代，万一断电了还是什么的模型也还是都保存了下来。

　　当然，我们还需要在 tools.py 开头添加：

import os.path as osp
this_dir = osp.dirname(__file__)

　　这时，在 mydemo.py 文件中，最下行代码应该是这样的：

if __name__ == '__main__':
    
    make_net()
    
    # 定义生成 solver 的路径
    solver_dir = this_dir + '/res_net_model/res_net_solver.prototxt'
    solver_prototxt = tools.CaffeSolver()
    # 把内容写入 res_net_model 文件夹中的 res_net_solver.prototxt
    solver_prototxt.write(solver_dir)

　　这样执行 mydemo.py 后生成 solver 的 prototxt 文件就是按照上面的设置生成的，不过要记得生成后把 prototxt 中 stepvalue1 改成 stepvalue，因为 tool.py 不能存相同名字的参数，不然会覆盖掉。

　　这样，我们就生成了 solver 的 prototxt 文件。