GTAV智能驾驶源码详解（二）——Train the AlexNet

摘要：智能驾驶源码详解二模型简介本使用进行图像分类前进左转右转。其性能超群，在年图像识别比赛上展露头角，是当时的冠军，由团队开发，领头人物为教父。

本AI（ScooterV2）使用AlexNet进行图像分类（前进、左转、右转）。
Alexnet是一个经典的卷积神经网络，有5个卷积层，其后为3个全连接层，最后的输出激活函数为分类函数softmax。其性能超群，在2012年ImageNet图像识别比赛上展露头角，是当时的冠军Model，由SuperVision团队开发，领头人物为AI教父Jeff Hinton。

网络结构如图1所示：

图1 AlexNet示意图

#导入依赖库（tflearn backended）
import tflearn
from tflearn.layers.conv import conv_2d, max_pool_2d
from tflearn.layers.core import input_data, dropout, fully_connected
from tflearn.layers.estimator import regression
from tflearn.layers.normalization import local_response_normalization
from collections import Counter
from numpy.random import shuffle
import numpy as np
import numpy as np
import pandas as pd

#定义AlexNet模型
def alexnet(width, height, lr):
    network = input_data(shape=[None, width, height, 1], name="input")
    network = conv_2d(network, 96, 11, strides=4, activation="relu")
    network = max_pool_2d(network, 3, strides=2)
    network = local_response_normalization(network)
    network = conv_2d(network, 256, 5, activation="relu")
    network = max_pool_2d(network, 3, strides=2)
    network = local_response_normalization(network)
    network = conv_2d(network, 384, 3, activation="relu")
    network = conv_2d(network, 384, 3, activation="relu")
    network = conv_2d(network, 256, 3, activation="relu")
    network = max_pool_2d(network, 3, strides=2)
    network = local_response_normalization(network)
    network = fully_connected(network, 4096, activation="tanh")
    network = dropout(network, 0.5)
    network = fully_connected(network, 4096, activation="tanh")
    network = dropout(network, 0.5)
    network = fully_connected(network, 3, activation="softmax")
    network = regression(network, 
                         optimizer="momentum",
                         loss="categorical_crossentropy",
                         learning_rate=lr, 
                         name="targets")

    model = tflearn.DNN(network, 
                        checkpoint_path="model_alexnet",
                        max_checkpoints=1, 
                        tensorboard_verbose=2, 
                        tensorboard_dir="log")

    return model

模型传入参数为3个：图像的长度、宽度和梯度下降学习率；

模型的Input Layer接受数据集中的图片作为输入，图像长度160，高度为90，channel数量为三，输入数据为m*160*90*3的张量，m为一次英处理的样本数量；

Input Layer后跟着第一个卷积层，卷积核数量为96，卷积核尺寸为11*11，卷积步长为4，该卷积层使用ReLu作为激活函数；

第一个卷积层后跟着第一个池化层，池化类型为MaxPooling，池化尺寸3*3，池化步长为2；

池化之后的结果通向LRN层，jeff hinton的标注为模拟大脑的侧向抑制，对张量中的每个元素都用它和它相邻feature map的元素的平均值代替（虽然好像并没有什么用），具体原理如图2；

之后是AlexNet的第二个卷积层，卷积核数量为256，卷积核尺寸为5*5，卷积步长默认为1，该卷积层依然使用ReLu作为激活函数；

之后的池化层依旧为MaxPooling，池化尺寸3*3，池化步长为2；

第二个LRN层，作用同上；

之后是三个接连的卷积层，卷积核数量依次为384、384、256，卷积核尺寸都为3*3，都用ReLu作为激活函数；

经过尺寸为3*3，步长为2的池化层和一个LRN层之后，卷积网络部分结束，通向3个全连接层。前两个全连接层都向后输出长度为4096的向量，使用tanh作为非线性激活函数，都有50%的dropout概率，神经元有二分之一的可能性被deactivate；第三个全连接层为输出层，输出3维向量，并使用softmax作为分类的激活函数。

每一次前向传播完成后，使用交叉熵cross_entropy作为卷积网络的loss函数；整个神经网络使用momentum作为优化（梯度下降加上momentum过滤由于lr过高引起的振荡），个人觉得使用Adam也许效果会更好，收敛会更快。

图2 Local_Response_Normolization示意图

WIDTH = 160
HEIGHT = 90
LR = 1e-3
EPOCHS = 10
MODEL_NAME = "scooterv2.model"
model = alexnet(WIDTH, HEIGHT, LR)

train_data = np.load("training_data_after_shuffle.npy")
train = train_data[:-1000]
test = train_data[-1000:]

X = np.array([i[0] for i in train]).reshape(-1,WIDTH,HEIGHT,1)
Y = [i[1] for i in train]

test_x = np.array([i[0] for i in test]).reshape(-1,WIDTH,HEIGHT,1)
test_y = [i[1] for i in test]

for index in range(1,200):

    
    model.fit({"input": X}, 
              {"targets": Y}, 
              n_epoch=EPOCHS, 
              validation_set=({"input": test_x}, {"targets": test_y}), 
              snapshot_step=500, 
              show_metric=True, 
              run_id=MODEL_NAME)
    model.save(MODEL_NAME)

学习率为0.001，for循环中每一次迭代训练的epoch数量为10，mini_batch的样本数量使用默认值64；数据集的后1000个作为validation set，剩余的都作为测试集使用。
跑一次一共训练了200*10=2000次，但实际上参数更新了20万次，每一次mini_batch都更新一次参数。