有时候，出于某种目的，我们想要自己一步步搭建网络，不是简单的调用现成的模型，
- 封装的太厉害，都快忘记内部结构了
- 自己有一个小点子，想加到网络结构中，万一效果好了呢
- 有很多专门的场合，我们有一定的先验知识，加到网络中会更好
- 成就感爆棚，即使是实现现有的网络结构
写在前面的话
因为也是刚接触到 深度学习 这块，并且在项目( 传统机器视觉项目 )中也遇到了这方面的问题。项目主要是对相似度很高的图像进行分类，有点像 细粒度 方面的分类。模型采用预训练模型，接着进行 fine-tune ，但模型一直过拟合，表现形式是:训练的loss和准确率都很高，验证集的准确率和loss却很高，且与训练集的差距较大，例如训练精度90%以上，此时的验证准确率也仅仅70%+。因为，想要自己改一下网络，增加一些防止过拟合的手段，或者把先验知识加进去。因此，研究了下如何写网络代码，更深一层理解。
Keras中的层对象，输入一个张量，输出一个张量。
层对象有哪些方法
- layer.input
- layer.output
- layer.input_shape
- layer.output_shape
如果该层有多个计算节点，使用下面的方法
- layer.get_input_at(node_index)
- layer.get_output_at(node_index)
- layer.get_input_shape_at(node_index)
- layer.get_output_shape_at(node_index)
写经典网络代码
VGG
这里我们看下VGG经典网络结构图。
优点
- 结构简洁，整个网络都使用了同样大小的卷积核尺寸，且核尺寸较小（3x3）。
- 采用小卷积核比采用大的卷积核更具有优势，因为多层非线性层可以增加网络深度来保证学习更复杂的模式，而且参数更少。
缺点
- 耗费更多计算资源，更多的内存占用（140M）。其中绝大多数的参数都是来自于第一个全连接层。
对于上面的缺点，我们当然可以根据自己的需求去修改，有的文章称这些全连接层即使被去除，对于性能也没有什么影响，也可以把全连接层替换成1X1的卷积层，这些都可以试试。
def KerasVGG():
"""
模型采用VGG16 的结构：
1使用固定尺寸的小卷积核 (3x3)
2以2的幂次递增的卷积核数量 (64, 128, 256)
3两层卷积搭配一层池化
4全连接层没有采用 VGG16 庞大的三层结构，避免运算量过大，仅使用 128 个节点的单个FC
5权重初始化采用He Normal
:return:
"""
inputs = Input(shape=(32, 32, 3))
net = inputs
# (32, 32, 3)-->(32, 32, 64)
net = Convolution2D(filters=64, kernel_size=3, strides=1,
padding='same', activation='relu',
kernel_initializer='he_normal')(net)
# (32, 32, 64)-->(32, 32, 64)
net = Convolution2D(filters=64, kernel_size=3, strides=1,
padding='same', activation='relu',
kernel_initializer='he_normal')(net)
# (32, 32, 64)-->(16, 16, 64)
net = MaxPooling2D(pool_size=2, strides=2, padding='valid')(net)
# (16, 16, 64)-->(16, 16, 128)
net = Convolution2D(filters=128, kernel_size=3, strides=1,
padding='same', activation='relu',
kernel_initializer='he_normal')(net)
# (16, 16, 64)-->(16, 16, 128)
net = Convolution2D(filters=128, kernel_size=3, strides=1,
padding='same', activation='relu',
kernel_initializer='he_normal')(net)
# (16, 16, 128)-->(8, 8, 128)
net = MaxPooling2D(pool_size=2, strides=2, padding='valid')(net)
# (8, 8, 128)-->(8, 8, 256)
net = Convolution2D(filters=256, kernel_size=3, strides=1,
padding='same', activation='relu',
kernel_initializer='he_normal')(net)
# (8, 8, 256)-->(8, 8, 256)
net = Convolution2D(filters=256, kernel_size=3, strides=1,
padding='same', activation='relu',
kernel_initializer='he_normal')(net)
# (8, 8, 256)-->(4, 4, 256)
net = MaxPooling2D(pool_size=2, strides=2, padding='valid')(net)
# (4, 4, 256) --> 4*4*256=4096
net = Flatten()(net)
# 4096 --> 128
net = Dense(units=128, activation='relu',
kernel_initializer='he_normal')(net)
# Dropout
net = Dropout(0.5)(net)
# 128 --> 10
net = Dense(units=config.nb_classes, activation='softmax',
kernel_initializer='he_normal')(net)
return inputs, net
如果您想看一下tensorflow版本的vgg16程序，请点这里。
Inception
inception的详细结构参见Google的这篇论文： Inception
from keras.layers import Conv2D, MaxPooling2D, Input
input_img = Input(shape=(256, 256, 3))
tower_1 = Conv2D(64, (1, 1), padding='same', activation='relu')(input_img)
tower_1 = Conv2D(64, (3, 3), padding='same', activation='relu')(tower_1)
tower_2 = Conv2D(64, (1, 1), padding='same', activation='relu')(input_img)
tower_2 = Conv2D(64, (5, 5), padding='same', activation='relu')(tower_2)
tower_3 = MaxPooling2D((3, 3), strides=(1, 1), padding='same')(input_img)
tower_3 = Conv2D(64, (1, 1), padding='same', activation='relu')(tower_3)
output = keras.layers.concatenate([tower_1, tower_2, tower_3], axis=1)
这里可以看出，1X1的卷积其实在很多地方都有用，至于究竟为什么会这样，以及这些网络的背后深层原因，还需要花费更多的时间去理解，去悟，后续再见。