一只小狐貍帶你解鎖 煉丹術&NLP?秘籍

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

前言

CNN從2012年的AlexNet發展至今，科學家們發明出各種各樣的CNN模型，一個比一個深，一個比一個準確，一個比一個輕量。下面會對近幾年一些具有變革性的工作進行簡單盤點，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行嗎

Group convolution 分組卷積，最早在AlexNet中出現，由于當時的硬件資源有限，訓練AlexNet時卷積操作不能全部放在同一個GPU處理，因此作者把feature maps分給多個GPU分別進行處理，最后把多個GPU的結果進行融合。

Alexnet

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

關于這個問題，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本身應該就大大減少了參數，比如當input channel為256，output channel也為256，kernel size為3*3，不做group conv參數為256*3*3*256，若group為8，每個group的input channel和output channel均為32，參數為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，但是大的卷積核會導致計算量的暴增，不利于模型深度的增加，計算性能也會降低。于是在VGG（最早使用）、Inception網絡中，利用2個3×3卷積核的組合比1個5×5卷積核的效果更佳，同時參數量（3×3×2+1 VS 5×5×1+1）被降低，因此后來3×3卷積核被廣泛應用在各種模型中。

每層卷積的卷積核尺寸需相同嗎

傳統的層疊式網絡，基本上都是一個個卷積層的堆疊，每層只用一個尺寸的卷積核，例如VGG結構中使用了大量的3×3卷積層。事實上，同一層feature map可以分別使用多個不同尺寸的卷積核，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系列的網絡，就使用了多個卷積核的結構：

最初版本的Inception結構

如上圖所示，一個輸入的feature map分別同時經過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。但這個結構會存在一個嚴重的問題：參數量比單個卷積核要多很多，如此龐大的計算量會使得模型效率低下。這就引出了一個新的結構。

怎樣才能減少卷積層參數量

發明GoogleNet的團隊發現，如果僅僅引入多個尺寸的卷積核，會帶來大量的額外的參數，受到Network In Network中1×1卷積核的啟發，為了解決這個問題，他們往Inception結構中加入了一些1×1的卷積核，如圖所示：

加入1×1卷積核的Inception結構

根據上圖，我們來做個對比計算，假設輸入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維的輸入直接經過一個3×3×256的卷積層，輸出一個256維的feature map，那么參數量為：256×3×3×256 = 589,824

（2）256維的輸入先經過一個1×1×64的卷積層，再經過一個3×3×64的卷積層，最后經過一個1×1×256的卷積層，輸出256維，參數量為：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量降低到九分之一！

1×1卷積核也被認為是影響深遠的操作，往后大型的網絡為了降低參數量都會應用上1×1卷積核。

越深的網絡就越難訓練嗎

ResNet skip connection

傳統的卷積層層疊網絡會遇到一個問題，當層數加深時，網絡的表現越來越差，很大程度上的原因是因為當層數加深時，梯度消散得越來越嚴重，以至于反向傳播很難訓練到淺層的網絡。為了解決這個問題，何凱明大神想出了一個“殘差網絡”，使得梯度更容易地流動到淺層的網絡當中去，而且這種“skip connection”能帶來更多的好處，這里可以參考一個PPT《極深網絡（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]，?大家可以結合下面的評論進行思考。

卷積時須同時考慮通道和區域嗎

標準的卷積過程可以看上圖，一個2×2的卷積核在卷積時，對應圖像區域中的所有通道均被同時考慮，問題在于，為什么一定要同時考慮圖像區域和通道？我們為什么不能把通道和空間區域分開考慮？

Xception網絡就是基于以上的問題發明而來。我們首先對每一個通道進行各自的卷積操作，有多少個通道就有多少個過濾器。得到新的通道feature maps之后，這時再對這批新的通道feature maps進行標準的1×1跨通道卷積操作。這種操作被稱為?“DepthWise convolution”?，縮寫“DW”。

這種操作是相當有效的，在imagenet 1000類分類任務中已經超過了InceptionV3的表現，而且也同時減少了大量的參數，我們來算一算，假設輸入通道數為3，要求輸出通道數為256，兩種做法：

直接接一個3×3×256的卷積核，參數量為：3×3×3×256 = 6,912

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

因此，一個depthwise操作比標準的卷積操作降低不少的參數量，同時論文中指出這個模型得到了更好的分類效果。

本文在發出12小時后，一位網友私信了我，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，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注下他們的工作，這里有篇介紹博文：【深度學習】卷積層提速Factorized Convolutional Neural Networks。而最早關于separable convolution的介紹，Xception作者提到，應該追溯到Lau- rent Sifre 2014年的工作 Rigid-Motion Scattering For Image Classification 6.2章節。

分組卷積能否對通道隨機分組

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

來自ShuffleNet論文

經過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，實際上是標準卷積操作，而在ShuffleNet里面的分組卷積操作是depthwise卷積，因此結合了通道洗牌和分組depthwise卷積的ShuffleNet，能得到超少量的參數以及超越mobilenet、媲美AlexNet的準確率！

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IGC單元（Interleaved Group Convolution），即通用卷積神經網絡交錯組卷積，形式上類似進行了兩次組卷積，Xception 模塊可以看作交錯組卷積的一個特例，特別推薦看看這篇文章：王井東詳解ICCV 2017入選論文：通用卷積神經網絡交錯組卷積。

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，我們對所有通道產生的特征都是不分權重直接結合的，那為什么要認為所有通道的特征對模型的作用就是相等的呢？?這是一個好問題，于是，ImageNet2017 冠軍SEnet就出來了。

SEnet 結構

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

讓卷積核看到更大范圍的區域

標準的3×3卷積核只能看到對應區域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原論文中的結構如圖所示：

上圖b可以理解為卷積核大小依然是3×3，但是每個卷積點之間有1個空洞，也就是在綠色7×7區域里面，只有9個紅色點位置作了卷積處理，其余點權重為0。這樣即使卷積核大小不變，但它看到的區域變得更大了。詳細解釋可以看這個回答：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

傳統的卷積核一般都是長方形或正方形，但MSRA提出了一個相當反直覺的見解，認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，這層過濾器學習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，或者直接把原網絡中的某一層過濾器當成學習offset的過濾器，這樣實際增加的計算量是相當少的，但能實現可變形卷積核，識別特征的效果更好。詳細MSRA的解讀可以看這個鏈接：可變形卷積網絡：計算機新“視”界。

啟發與思考

現在越來越多的CNN模型從巨型網絡到輕量化網絡一步步演變，模型準確率也越來越高?，F在工業界追求的重點已經不是準確率的提升（因為都已經很高了），都聚焦于速度與準確率的trade off，都希望模型又快又準。因此從原來AlexNet、VGGnet，到體積小一點的Inception、Resnet系列，到目前能移植到移動端的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結構）。

卷積層通道方面：

• 標準卷積用depthwise卷積代替；

• 使用分組卷積；

• 分組卷積前使用channel shuffle；

• 通道加權計算。

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

類比到通道加權操作，卷積層跨層連接能否也進行加權處理？bottleneck + Group conv + channel shuffle + depthwise的結合會不會成為以后降低參數量的標準配置？

可

能

喜

歡

• 萬能的BERT連文本糾錯也不放過

• 面試必備！賣萌屋算法工程師思維導圖—統計機器學習篇

• 告別自注意力，谷歌為Transformer打造新內核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款優秀Vim插件幫你打造完美IDE

夕小瑤的賣萌屋

_

關注&星標小夕，帶你解鎖AI秘籍

訂閱號主頁下方「撩一下」有驚喜哦

總結

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站內容還不錯，歡迎將生活随笔推薦給好友。