用PaddlePaddle和Tensorflow實現GoogLeNet InceptionV2/V3/V4
作者:Charlotte77 數學系的數據挖掘民工
博客專欄:http://www.cnblogs.com/charlotte77/
個人公眾號:Charlotte數據挖掘(ID:CharlotteDataMining)
上一篇文章(用PaddlePaddle和Tensorflow實現經典CNN網路GoogLeNet)我們引出了GoogLeNet InceptionV1的網路結構,這篇文章中我們會詳細講到Inception V2/V3/V4的發展歷程以及它們的網路結構和亮點。
GoogLeNet Inception V2
GoogLeNet Inception V2在《Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift》出現,最大亮點是提出了Batch Normalization方法,它起到以下作用:
使用較大的學習率而不用特別關心諸如梯度爆炸或消失等優化問題;
降低了模型效果對初始權重的依賴;
可以加速收斂,一定程度上可以不使用Dropout這種降低收斂速度的方法,但卻起到了正則化作用提高了模型泛化性;
即使不使用ReLU也能緩解激活函數飽和問題;
能夠學習到從當前層到下一層的分布縮放( scaling (方差),shift (期望))係數。
在機器學習中,我們通常會做一種假設:訓練樣本獨立同分布(iid)且訓練樣本與測試樣本分布一致,如果真實數據符合這個假設則模型效果可能會不錯,反之亦然,這個在學術上叫Covariate Shift,所以從樣本(外部)的角度說,對於神經網路也是一樣的道理。從結構(內部)的角度說,由於神經網路由多層組成,樣本在層與層之間邊提特徵邊往前傳播,如果每層的輸入分布不一致,那麼勢必造成要麼模型效果不好,要麼學習速度較慢,學術上這個叫InternalCovariate Shift。
假設:
y
y為樣本標註,
X
=
{
x
1
,
x
2
,
x
3
,......
}
X={x1,x2,x3,......}為樣本
x
x通過神經網路若干層後每層的輸入;
理論上:
p
(
x
,
y
)
p(x,y)的聯合概率分布應該與集合
X
X中任意一層輸入的聯合概率分布一致,如:
p
(
x
,
y
)
=
p
(
x
1
,
y
)
p(x,y)=p(x1,y);
但是:
p
(
x
,
y
)
=
p
(
y
|
x
)
·
p
(
x
)
p(x,y)=p(y|x)·p(x),其中條件概率
p
(
y
|
x
)
p(y|x)是一致的,即
p
(
y
|
x
)
=
p
(
y
|
x
1
)
=
p
(
y
|
x
1
)
=
......
p(y|x)=p(y|x1)=p(y|x1)=......,但由於神經網路每一層對輸入分布的改變,導致邊緣概率是不一致的,即
p
(
x
)
≠
p
(
x
1
)
≠
p
(
x
2
)
......
p(x)≠p(x1)≠p(x2)......,甚至隨著網路深度的加深,前面層微小的變化會導致後面層巨大的變化。
BN整個演算法過程如下:
以batch的方式做訓練,對m個樣本求期望和方差後對訓練數據做白化,通過白化操作可以去除特徵相關性並把數據縮放在一個球體上,這麼做的好處既可以加快優化演算法的優化速度也可能提高優化精度,一個直觀的解釋:
左邊是未做白化的原始可行域,右邊是做了白化的可行域;
當原始輸入對模型學習更有利時能夠恢復原始輸入(和殘差網路有點神似):
這裡的參數γ和σ是需要學習的。
卷積神經網路中的BN
卷積網路中採用權重共享策略,每個feature map只有一對γ和σ需要學習。
GoogLeNet Inception V3
GoogLeNet Inception V3在《Rethinking the Inception Architecture for Computer Vision》中提出(注意,在這篇論文中作者把該網路結構叫做v2版,我們以最終的v4版論文的劃分為標準),該論文的亮點在於:
提出通用的網路結構設計準則
引入卷積分解提高效率
引入高效的feature map降維
網路結構設計的準則
前面也說過,深度學習網路的探索更多是個實驗科學,在實驗中人們總結出一些結構設計準則,但說實話我覺得不一定都有實操性:
避免特徵表示上的瓶頸,尤其在神經網路的前若干層
神經網路包含一個自動提取特徵的過程,例如多層卷積,直觀並符合常識的理解:如果在網路初期特徵提取的太粗,細節已經丟了,後續即使結構再精細也沒法做有效表示了;舉個極端的例子:在宇宙中辨別一個星球,正常來說是通過由近及遠,從房屋、樹木到海洋、大陸板塊再到整個星球之後進入整個宇宙,如果我們一開始就直接拉遠到宇宙,你會發現所有星球都是球體,沒法區分哪個是地球哪個是水星。所以feature map的大小應該是隨著層數的加深逐步變小,但為了保證特徵能得到有效表示和組合其通道數量會逐漸增加。
下圖違反了這個原則,剛開就始直接從35×35×320被抽樣降維到了17×17×320,特徵細節被大量丟失,即使後面有Inception去做各種特徵提取和組合也沒用。
對於神經網路的某一層,通過更多的激活輸出分支可以產生互相解耦的特徵表示,從而產生高階稀疏特徵,從而加速收斂,注意下圖的1×3和3×1激活輸出:
合理使用維度縮減不會破壞網路特徵表示能力反而能加快收斂速度,典型的例如通過兩個3×3代替一個5×5的降維策略,不考慮padding,用兩個3×3代替一個5×5能節省1-(3×3+3×3)/(5×5)=28%的計算消耗。
以及一個n×n卷積核通過順序相連的兩個1×n和n×1做降維(有點像矩陣分解),如果n=3,計算性能可以提升1-(3+3)/9=33%,但如果考慮高性能計算性能,這種分解可能會造成L1 cache miss率上升。
通過合理平衡網路的寬度和深度優化網路計算消耗(這句話尤其不具有實操性)。
抽樣降維,傳統抽樣方法為pooling+卷積操作,為了防止出現特徵表示的瓶頸,往往需要更多的卷積核,例如輸入為n個d×d的feature map,共有k個卷積核,pooling時stride=2,為不出現特徵表示瓶頸,往往k的取值為2n,通過引入inception module結構,即降低計算複雜度,又不會出現特徵表示瓶頸,實現上有如下兩種方式:
平滑樣本標註
對於多分類的樣本標註一般是one-hot的,例如[0,0,0,1],使用類似交叉熵的損失函數會使得模型學習中對ground truth標籤分配過於置信的概率,並且由於ground truth標籤的logit值與其他標籤差距過大導致,出現過擬合,導致降低泛化性。一種解決方法是加正則項,即對樣本標籤給個概率分布做調節,使得樣本標註變成「soft」的,例如[0.1,0.2,0.1,0.6],這種方式在實驗中降低了top-1和top-5的錯誤率0.2%。
網路結構
GoogLeNet Inception V4
GoogLeNet Inception V4/和ResNet V1/V2這三種結構在《Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning》一文中提出,論文的亮點是:提出了效果更好的GoogLeNet Inception v4網路結構;與殘差網路融合,提出效果不遜於v4但訓練速度更快的結構。
GoogLeNet Inception V4網路結構
GoogLeNet Inception ResNet網路結構
代碼實踐
Tensorflow的代碼在slim模塊下有完整的實現,paddlepaddle的可以參考上篇文章中寫的inception v1的代碼來寫。
總結
這篇文章比較偏理論,主要講了GoogLeNet的inception模塊的發展,包括在v2中提出的batch normalization,v3中提出的卷積分級與更通用的網路結構準則,v4中的與殘差網路結合等,在實際應用過程中可以可以對同一份數據用不同的網路結構跑一跑,看看結果如何,實際體驗一下不同網路結構的loss下降速率,對準確率的提升等。
![](https://pic.pimg.tw/zzuyanan/1488615166-1259157397.png)
![](https://pic.pimg.tw/zzuyanan/1482887990-2595557020.jpg)
TAG:天善智能 |