深度学习之全面了解预训练模型

在本专栏中，我们将讨论预训练模型。有很多模型可供选择，因此也有很多考虑事项。

这次的专栏与以往稍有不同。我要回答的问题全部源于 MathWorks 社区论坛（ww2.mathworks.cn/matlabcentral/）的问题。我会首先总结 MATLAB Answers 上的回答，然后基于问题提出问题：大家为什么会问这些问题？

因此，本专栏将介绍如何选择预训练模型、如何确定是否作出了正确的选择，并回答关于预训练模型的三个问题：

1. 训练网络时，应操作数据大小还是模型输入大小？

2. 为什么要在 MATLAB 中导入经过预训练的 YOLO 模型？

3. 为什么要冻结预训练模型的权重？

选择预训练模型

可供选择的模型非常多，而且只会越来越多。这当然带来很多便利，但也有些令人望而生畏：我们该如何挑选，又如何确定是否作出了正确的选择？

与其把所有预训练模型放在一起考虑，我们不妨将它们分成几类。

基本模型

这些模型架构简单，可以轻松上手。这些模型通常层数较少，支持预处理和训练选项的快速迭代。一旦掌握了训练模型的方法，就可以开始尝试改善结果。

尝试这些模型：GoogLeNet、VGG-16、VGG-19 和 AlexNet

高准确度模型

这些模型适用于基于图像的工作流，如图像分类、目标检测和语义分割。大多数网络，包括上述基本模型，都属于此类别。与基本模型的区别在于，高准确度模型可能需要更多训练时间，网络结构更复杂。

尝试这些模型：ResNet-50、Inception-v3、Densenet-201

目标检测工作流：一般推荐基于 DarkNet-19 和 DarkNet-53 创建检测和 YOLO 类型工作流。我也见过 ResNet-50 加 Faster R-CNN 的组合，因此多少有一些选择余地。我们将在之后的问题中进一步讨论目标检测。

语义分割：您可以选择一个网络并将其转换为语义分割网络。也有一些专门的 Segnet 结构，如 segnetLayers 和 unetLayers。

适合边缘部署的模型

当部署到硬件时，模型大小变得尤为重要。此类模型内存占用量较小，适合 Raspberry Pi™ 等嵌入式设备。

尝试这些模型：SqueezeNet、MobileNet-v2、ShuffLeNet、NASNetMobile

以上只是一些常规原则，为模型选择提供基本思路。我将从第一类模型入手，之后如果需要，再选择更复杂的模型。我个人觉得 AlexNet 是一个不错的起点。它的架构非常容易理解，性能表现通常也不错，当然也取决于具体问题。

选择模型时，如何确定是否作出了正确的选择？

对于您的任务来说，合适的模型可能不止一个。

只要模型的准确度能满足给定任务的需求，就是一个可接受的模型。至于多高的准确度意味着“可接受”，则可能视应用不同而差异极大。

例如，购物时某宝推荐商品出错不是什么大事，但暴风雪漏报后果就很严重。

针对您的应用尝试各种预训练网络，方能确保获得最准确和最稳健的模型。

当然，要实现一个成功的应用，网络架构只是众多因素之一。

问题 1：训练网络时，应操作数据大小还是模型输入大小？

此问题来自论坛提问“如何在预训练模型中使用灰度图像”和“如何更改预训练模型的输入大小”。

如何在预训练模型中使用灰度图:

https://ww2.mathworks.cn/matlabcentral/answers/448360-how-we-do-transfer-learning-using-pretrained-models-with-grey-scale-images-as-input

如何更改预训练模型的输入大小:

https://ww2.mathworks.cn/matlabcentral/answers/458610-change-input-size-of-a-pre-trained-network

首先快速回顾一下模型数据输入的相关知识。

所有预训练模型都有一个预期，即需要什么样的输入数据结构，才能重新训练网络或基于新数据进行预测。

如果数据与模型预期不符，您就可能提出这些问题。

这就带来了一个有趣的问题：是要操作数据，还是操作模型？

最简单的方法是更改数据。

这很简单：只需调整数据的大小，就可以操作数据输入的大小。在 MATLAB® 中，使用 imresize 命令就能做到。灰度问题也变得很简单。

彩色图像通常采用 RGB 形式，包含三个层，分别表示红、绿、蓝三个颜色平面。灰度图像则只包含一个层而不是三个层。只需重复灰度图像的单个层，就可以创建网络所期望的输入结构，原理如下图所示。

山魈照片的原始彩色图像，经灰度处理的图像，以及单独显示红、绿、蓝平面的图像。

这是一张色彩非常丰富的图像，可以看到，三个 RGB 平面看起来就像三张灰度图像，它们组合在一起形成一张彩色图像。

稍微复杂一点的方法是更改模型。为什么要大费周章地操作模型而不是数据？

因为现有的输入数据决定了只能这样做。

假设您的图像是 1000×1000 像素，您的模型接受 10×10 像素大小的图像。如果您将图像调整到 10×10 像素，就只能得到一张充满噪声的输入图像。

在这种情况下，您需要更改模型的输入层，而不是输入。

图像大小：1000×1000 像素:

图像大小：10×10 像素

我原以为对模型输入层进行操作会非常复杂，但在 MATLAB 里试了试，其实还好。相信我，真的不复杂。您只需完成以下操作：

1. 打开深度网络设计器 Deep Network Designer。

2. 选择一个预训练模型。

3. 删除当前输入层，并替换为新层。这样您就可以更改输入大小。

4. 导出模型，直接就能在迁移学习应用中使用。我推荐按照基本迁移学习示例进行操作:

https://ww2.mathworks.cn/help/deeplearning/ug/train-deep-learning-network-to-classify-new-images.html

整个过程非常轻松，您不必手动编码即可更改预训练模型的输入大小。

问题 2：为什么要在 MATLAB 中导入经过预训练的 YOLO 模型？

此问题源于基于 COCO 数据集训练 YOLO v3，答案很明确。背景并不复杂。

基于 COCO 数据集训练 YOLO v3

https://ww2.mathworks.cn/matlabcentral/answers/553528-yolo-v3-training-on-coco-data-set

此示例介绍如何使用 ResNet-50 训练 YOLO v2 网络以在 MATLAB 中使用:

https://ww2.mathworks.cn/help/deeplearning/ug/object-detection-using-yolo-v2.html

YOLO 是“you only look once”的缩写。

该算法有多个版本，相对于 v2，v3 改进了定位较小对象的功能。YOLO 从一个特征提取网络（使用预训练模型，如 ResNet-50 或 DarkNet-19）开始，然后进行定位。

YOLO v3: https://ww2.mathworks.cn/help/vision/ug/object-detection-using-yolo-v3-deep-learning.html

那么，为什么要在 MATLAB 中导入经过预训练的 YOLO 模型？

YOLO 是最流行的目标检测算法之一。与简单的目标识别问题相比，目标检测更具挑战性。

对于目标检测，面临的挑战不仅仅是识别目标，还要确定其位置。

有两类目标检测器：

单级检测器，如 YOLO；两级检测器，如 Faster R-CNN。

单级检测器可以实现快速检测。这篇文档详细介绍了 YOLO v2 算法。

https://ww2.mathworks.cn/help/vision/ug/getting-started-with-yolo-v2.html

两级检测器：定位和目标识别准确度高这篇文档介绍了 R-CNN 算法的基础知识。

https://ww2.mathworks.cn/help/vision/ug/getting-started-with-r-cnn-fast-r-cnn-and-faster-r-cnn.html

值得探索的目标检测应用有很多，不过我强烈建议从简单的目标检测示例开始，以此为基础逐步推进。

问题 3：为什么要冻结预训练模型的权重？

此问题源自如何冻结神经网络模型的特定权重？要回答此问题，我们先看一小段代码。

导入预训练网络后，您可以选择通过以下方式冻结权重：

冻结所有初始层：

layers(1:10) = freezeWeights(layers(1:10));

冻结单个层：

layer.WeightLearnRateFactor = 0;

冻结所有允许冻结的层：

function layers = freezeWeights(layers)

for ii = 1:size(layers,1)
    props = properties(layers(ii));
    for p = 1:numel(props)
        propName = props{p};
        if ~isempty(regexp(propName, 'LearnRateFactor$',  'once'))
            layers(ii).(propName) = 0;
        end
    end
end

end

如果该层有 LearnRateFactor，则将其设置为零。其他层保持不变。

冻结权重有两个好处，即您可以：