一只小狐貍帶你解鎖 煉丹術(shù)&NLP?秘籍

作者：Justin ho
來源：https://zhuanlan.zhihu.com/p/28749411

前言

CNN從2012年的AlexNet發(fā)展至今，科學(xué)家們發(fā)明出各種各樣的CNN模型，一個(gè)比一個(gè)深，一個(gè)比一個(gè)準(zhǔn)確，一個(gè)比一個(gè)輕量。下面會(huì)對近幾年一些具有變革性的工作進(jìn)行簡單盤點(diǎn)，從這些充滿革新性的工作中探討日后的CNN變革方向。

卷積只能在同一組進(jìn)行嗎

Group convolution 分組卷積，最早在AlexNet中出現(xiàn)，由于當(dāng)時(shí)的硬件資源有限，訓(xùn)練AlexNet時(shí)卷積操作不能全部放在同一個(gè)GPU處理，因此作者把feature maps分給多個(gè)GPU分別進(jìn)行處理，最后把多個(gè)GPU的結(jié)果進(jìn)行融合。

Alexnet

分組卷積的思想影響比較深遠(yuǎn)，當(dāng)前一些輕量級的SOTA（State Of The Art）網(wǎng)絡(luò)，都用到了分組卷積的操作，以節(jié)省計(jì)算量。但題主有個(gè)疑問是，如果分組卷積是分在不同GPU上的話，每個(gè)GPU的計(jì)算量就降低到 1/groups，但如果依然在同一個(gè)GPU上計(jì)算，最終整體的計(jì)算量是否不變？找了pytorch上有關(guān)組卷積操作的介紹，望讀者解答我的疑問。

關(guān)于這個(gè)問題，知乎用戶朋友 @蔡冠羽?提出了他的見解：https://www.zhihu.com/people/cai-guan-yu-62/activities

我感覺group conv本身應(yīng)該就大大減少了參數(shù)，比如當(dāng)input channel為256，output channel也為256，kernel size為3*3，不做group conv參數(shù)為256*3*3*256，若group為8，每個(gè)group的input channel和output channel均為32，參數(shù)為8*32*3*3*32，是原來的八分之一。這是我的理解。

我的理解是分組卷積最后每一組輸出的feature maps應(yīng)該是以concatenate的方式組合，而不是element-wise add，所以每組輸出的channel是 input channels / #groups，這樣參數(shù)量就大大減少了。

卷積核一定越大越好嗎

AlexNet中用到了一些非常大的卷積核，比如11×11、5×5卷積核，之前人們的觀念是，卷積核越大，receptive field（感受野）越大，看到的圖片信息越多，因此獲得的特征越好。雖說如此，但是大的卷積核會(huì)導(dǎo)致計(jì)算量的暴增，不利于模型深度的增加，計(jì)算性能也會(huì)降低。于是在VGG（最早使用）、Inception網(wǎng)絡(luò)中，利用2個(gè)3×3卷積核的組合比1個(gè)5×5卷積核的效果更佳，同時(shí)參數(shù)量（3×3×2+1 VS 5×5×1+1）被降低，因此后來3×3卷積核被廣泛應(yīng)用在各種模型中。

每層卷積的卷積核尺寸需相同嗎

傳統(tǒng)的層疊式網(wǎng)絡(luò)，基本上都是一個(gè)個(gè)卷積層的堆疊，每層只用一個(gè)尺寸的卷積核，例如VGG結(jié)構(gòu)中使用了大量的3×3卷積層。事實(shí)上，同一層feature map可以分別使用多個(gè)不同尺寸的卷積核，以獲得不同尺度的特征，再把這些特征結(jié)合起來，得到的特征往往比使用單一卷積核的要好，谷歌的GoogleNet，或者說Inception系列的網(wǎng)絡(luò)，就使用了多個(gè)卷積核的結(jié)構(gòu)：

最初版本的Inception結(jié)構(gòu)

如上圖所示，一個(gè)輸入的feature map分別同時(shí)經(jīng)過1×1、3×3、5×5的卷積核的處理，得出的特征再組合起來，獲得更佳的特征。但這個(gè)結(jié)構(gòu)會(huì)存在一個(gè)嚴(yán)重的問題：參數(shù)量比單個(gè)卷積核要多很多，如此龐大的計(jì)算量會(huì)使得模型效率低下。這就引出了一個(gè)新的結(jié)構(gòu)。

怎樣才能減少卷積層參數(shù)量

發(fā)明GoogleNet的團(tuán)隊(duì)發(fā)現(xiàn)，如果僅僅引入多個(gè)尺寸的卷積核，會(huì)帶來大量的額外的參數(shù)，受到Network In Network中1×1卷積核的啟發(fā)，為了解決這個(gè)問題，他們往Inception結(jié)構(gòu)中加入了一些1×1的卷積核，如圖所示：

加入1×1卷積核的Inception結(jié)構(gòu)

根據(jù)上圖，我們來做個(gè)對比計(jì)算，假設(shè)輸入feature map的維度為256維，要求輸出維度也是256維。有以下兩種操作：

（1）256維的輸入直接經(jīng)過一個(gè)3×3×256的卷積層，輸出一個(gè)256維的feature map，那么參數(shù)量為：256×3×3×256 = 589,824

（2）256維的輸入先經(jīng)過一個(gè)1×1×64的卷積層，再經(jīng)過一個(gè)3×3×64的卷積層，最后經(jīng)過一個(gè)1×1×256的卷積層，輸出256維，參數(shù)量為：256×1×1×64 + 64×3×3×64 + 64×1×1×256 = 69,632。足足把第一種操作的參數(shù)量降低到九分之一！

1×1卷積核也被認(rèn)為是影響深遠(yuǎn)的操作，往后大型的網(wǎng)絡(luò)為了降低參數(shù)量都會(huì)應(yīng)用上1×1卷積核。

越深的網(wǎng)絡(luò)就越難訓(xùn)練嗎

ResNet skip connection

傳統(tǒng)的卷積層層疊網(wǎng)絡(luò)會(huì)遇到一個(gè)問題，當(dāng)層數(shù)加深時(shí)，網(wǎng)絡(luò)的表現(xiàn)越來越差，很大程度上的原因是因?yàn)楫?dāng)層數(shù)加深時(shí)，梯度消散得越來越嚴(yán)重，以至于反向傳播很難訓(xùn)練到淺層的網(wǎng)絡(luò)。為了解決這個(gè)問題，何凱明大神想出了一個(gè)“殘差網(wǎng)絡(luò)”，使得梯度更容易地流動(dòng)到淺層的網(wǎng)絡(luò)當(dāng)中去，而且這種“skip connection”能帶來更多的好處，這里可以參考一個(gè)PPT《極深網(wǎng)絡(luò)（ResNet/DenseNet）: Skip Connection為何有效及其它》[1]，以及我的一篇文章：為什么ResNet和DenseNet可以這么深？一文詳解殘差塊為何能解決梯度彌散問題[2]，?大家可以結(jié)合下面的評論進(jìn)行思考。

卷積時(shí)須同時(shí)考慮通道和區(qū)域嗎

標(biāo)準(zhǔn)的卷積過程可以看上圖，一個(gè)2×2的卷積核在卷積時(shí)，對應(yīng)圖像區(qū)域中的所有通道均被同時(shí)考慮，問題在于，為什么一定要同時(shí)考慮圖像區(qū)域和通道？我們?yōu)槭裁床荒馨淹ǖ篮涂臻g區(qū)域分開考慮？

Xception網(wǎng)絡(luò)就是基于以上的問題發(fā)明而來。我們首先對每一個(gè)通道進(jìn)行各自的卷積操作，有多少個(gè)通道就有多少個(gè)過濾器。得到新的通道feature maps之后，這時(shí)再對這批新的通道feature maps進(jìn)行標(biāo)準(zhǔn)的1×1跨通道卷積操作。這種操作被稱為?“DepthWise convolution”?，縮寫“DW”。

這種操作是相當(dāng)有效的，在imagenet 1000類分類任務(wù)中已經(jīng)超過了InceptionV3的表現(xiàn)，而且也同時(shí)減少了大量的參數(shù)，我們來算一算，假設(shè)輸入通道數(shù)為3，要求輸出通道數(shù)為256，兩種做法：

直接接一個(gè)3×3×256的卷積核，參數(shù)量為：3×3×3×256 = 6,912

DW操作，分兩步完成，參數(shù)量為：3×3×3 + 3×1×1×256 = 795，又把參數(shù)量降低到九分之一！

因此，一個(gè)depthwise操作比標(biāo)準(zhǔn)的卷積操作降低不少的參數(shù)量，同時(shí)論文中指出這個(gè)模型得到了更好的分類效果。

本文在發(fā)出12小時(shí)后，一位網(wǎng)友私信了我，向我介紹了Depthwise和Pointwise的歷史工作，而Xception和Mobilenet也引用了他們16年的工作，就是Min Wang et al 的Factorized Convolutional Neural Networks，這篇論文的Depthwise中，每一通道輸出的feature map（稱為“基層”）可以不止一個(gè)，而Xception中的Depthwise separable Convolution， 正是這篇工作中“單一基層”的情況。推薦有興趣的讀者關(guān)注下他們的工作，這里有篇介紹博文：【深度學(xué)習(xí)】卷積層提速Factorized Convolutional Neural Networks。而最早關(guān)于separable convolution的介紹，Xception作者提到，應(yīng)該追溯到Lau- rent Sifre 2014年的工作 Rigid-Motion Scattering For Image Classification 6.2章節(jié)。

分組卷積能否對通道隨機(jī)分組

在AlexNet的Group Convolution當(dāng)中，特征的通道被平均分到不同組里面，最后再通過兩個(gè)全連接層來融合特征，這樣一來，就只能在最后時(shí)刻才融合不同組之間的特征，對模型的泛化性是相當(dāng)不利的。為了解決這個(gè)問題，ShuffleNet在每一次層疊這種Group conv層前，都進(jìn)行一次channel shuffle，shuffle過的通道被分配到不同組當(dāng)中。進(jìn)行完一次group conv之后，再一次channel shuffle，然后分到下一層組卷積當(dāng)中，以此循環(huán)。

來自ShuffleNet論文

經(jīng)過channel shuffle之后，Group conv輸出的特征能考慮到更多通道，輸出的特征自然代表性就更高。另外，AlexNet的分組卷積，實(shí)際上是標(biāo)準(zhǔn)卷積操作，而在ShuffleNet里面的分組卷積操作是depthwise卷積，因此結(jié)合了通道洗牌和分組depthwise卷積的ShuffleNet，能得到超少量的參數(shù)以及超越mobilenet、媲美AlexNet的準(zhǔn)確率！

另外值得一提的是，微軟亞洲研究院MSRA最近也有類似的工作，他們提出了一個(gè)IGC單元（Interleaved Group Convolution），即通用卷積神經(jīng)網(wǎng)絡(luò)交錯(cuò)組卷積，形式上類似進(jìn)行了兩次組卷積，Xception 模塊可以看作交錯(cuò)組卷積的一個(gè)特例，特別推薦看看這篇文章：王井東詳解ICCV 2017入選論文：通用卷積神經(jīng)網(wǎng)絡(luò)交錯(cuò)組卷積。

要注意的是，Group conv是一種channel分組的方式，Depthwise +Pointwise是卷積的方式，只是ShuffleNet里面把兩者應(yīng)用起來了。因此Group conv和Depthwise +Pointwise并不能劃等號。

通道間的特征都是平等的嗎

無論是在Inception、DenseNet或者ShuffleNet里面，我們對所有通道產(chǎn)生的特征都是不分權(quán)重直接結(jié)合的，那為什么要認(rèn)為所有通道的特征對模型的作用就是相等的呢？?這是一個(gè)好問題，于是，ImageNet2017 冠軍SEnet就出來了。

SEnet 結(jié)構(gòu)

一組特征在上一層被輸出，這時(shí)候分兩條路線，第一條直接通過，第二條首先進(jìn)行Squeeze操作（Global Average Pooling），把每個(gè)通道2維的特征壓縮成一個(gè)1維，從而得到一個(gè)特征通道向量（每個(gè)數(shù)字代表對應(yīng)通道的特征）。然后進(jìn)行Excitation操作，把這一列特征通道向量輸入兩個(gè)全連接層和sigmoid，建模出特征通道間的相關(guān)性，得到的輸出其實(shí)就是每個(gè)通道對應(yīng)的權(quán)重，把這些權(quán)重通過Scale乘法通道加權(quán)到原來的特征上（第一條路），這樣就完成了特征通道的權(quán)重分配。

讓卷積核看到更大范圍的區(qū)域

標(biāo)準(zhǔn)的3×3卷積核只能看到對應(yīng)區(qū)域3×3的大小，但是為了能讓卷積核看到更大的范圍，dilated conv使其成為了可能。dilated conv原論文中的結(jié)構(gòu)如圖所示：

上圖b可以理解為卷積核大小依然是3×3，但是每個(gè)卷積點(diǎn)之間有1個(gè)空洞，也就是在綠色7×7區(qū)域里面，只有9個(gè)紅色點(diǎn)位置作了卷積處理，其余點(diǎn)權(quán)重為0。這樣即使卷積核大小不變，但它看到的區(qū)域變得更大了。詳細(xì)解釋可以看這個(gè)回答：如何理解空洞卷積（dilated convolution）？

卷積核形狀一定是矩形嗎？

圖來自微軟亞洲研究院公眾號

傳統(tǒng)的卷積核一般都是長方形或正方形，但MSRA提出了一個(gè)相當(dāng)反直覺的見解，認(rèn)為卷積核的形狀可以是變化的，變形的卷積核能讓它只看感興趣的圖像區(qū)域?，這樣識別出來的特征更佳。

圖來自微軟亞洲研究院公眾號

要做到這個(gè)操作，可以直接在原來的過濾器前面再加一層過濾器，這層過濾器學(xué)習(xí)的是下一層卷積核的位置偏移量（offset），這樣只是增加了一層過濾器，或者直接把原網(wǎng)絡(luò)中的某一層過濾器當(dāng)成學(xué)習(xí)offset的過濾器，這樣實(shí)際增加的計(jì)算量是相當(dāng)少的，但能實(shí)現(xiàn)可變形卷積核，識別特征的效果更好。詳細(xì)MSRA的解讀可以看這個(gè)鏈接：可變形卷積網(wǎng)絡(luò)：計(jì)算機(jī)新“視”界。

啟發(fā)與思考

現(xiàn)在越來越多的CNN模型從巨型網(wǎng)絡(luò)到輕量化網(wǎng)絡(luò)一步步演變，模型準(zhǔn)確率也越來越高。現(xiàn)在工業(yè)界追求的重點(diǎn)已經(jīng)不是準(zhǔn)確率的提升（因?yàn)槎家呀?jīng)很高了），都聚焦于速度與準(zhǔn)確率的trade off，都希望模型又快又準(zhǔn)。因此從原來AlexNet、VGGnet，到體積小一點(diǎn)的Inception、Resnet系列，到目前能移植到移動(dòng)端的mobilenet、ShuffleNet（體積能降低到0.5mb！），我們可以看到這樣一些趨勢：

卷積核方面：

• 大卷積核用多個(gè)小卷積核代替；

• 單一尺寸卷積核用多尺寸卷積核代替；

• 固定形狀卷積核趨于使用可變形卷積核；

• 使用1×1卷積核（bottleneck結(jié)構(gòu)）。

卷積層通道方面：

• 標(biāo)準(zhǔn)卷積用depthwise卷積代替；

• 使用分組卷積；

• 分組卷積前使用channel shuffle；

• 通道加權(quán)計(jì)算。

卷積層連接方面：

• 使用skip connection，讓模型更深；

• densely connection，使每一層都融合上其它層的特征輸出（DenseNet）

啟發(fā)

類比到通道加權(quán)操作，卷積層跨層連接能否也進(jìn)行加權(quán)處理？bottleneck + Group conv + channel shuffle + depthwise的結(jié)合會(huì)不會(huì)成為以后降低參數(shù)量的標(biāo)準(zhǔn)配置？

可

能

喜

歡

• 萬能的BERT連文本糾錯(cuò)也不放過

• 面試必備！賣萌屋算法工程師思維導(dǎo)圖—統(tǒng)計(jì)機(jī)器學(xué)習(xí)篇

• 告別自注意力，谷歌為Transformer打造新內(nèi)核Synthesizer

• NLP中的少樣本困境問題探究

• ACL20 | 讓笨重的BERT問答匹配模型變快！

• 7款優(yōu)秀Vim插件幫你打造完美IDE

夕小瑤的賣萌屋

_

關(guān)注&星標(biāo)小夕，帶你解鎖AI秘籍

訂閱號主頁下方「撩一下」有驚喜哦

總結(jié)

以上是生活随笔為你收集整理的卷积神经网络中十大令人拍案叫绝的操作的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。