ResNet详解（转）

#ResNet详解（转）| 来源: 网络整理| 查看: 265

本篇文章涉及到的文献

Residual Network(ResNet) Deep Residual Learning for Image Recognition[arXiv:1512.03385] Identity Mappings in Deep Residual Networks[arXiv:1603.05027] 2016_tutorial_deep_residual_networks ResNet-50 Architecture KaimingHe/deep-residual-networks CS231n 2017 lecture9 BIGBALLON/cifar-10-cnn

妹纸：昨天试了一下VGG19,训练时间挺久的，不过效果不错。花花：呜呜，前几天我们都在讲很基本的网络架构，今天我们讲稍微难一丢丢的。妹纸：好啊，好啊！我猜是ResNet！花花：你猜得真准(23333orz)。

最原始的 Residual Network

Residual Network,简称 ResNet(残差网络)，是MSRA 何凯明团队设计的一种网络架构，在2015年的ILSVRC 和 COCO 上拿到了多项冠军，其发表的论文Deep Residual Learning for Image Recognition, 是 CVPR 2016 的最佳论文。

Residual Network的历史从这里开始。

卷积神经网络(Convolutional Neural Network)正不断朝着“Deep”这个方向发展，最早期的LeNet只有5层，后来VGG把深度增加到19层，而我们即将要介绍的ResNet，更是超过了100层。

人们不禁要问：Is learning better networks as easy as stacking more layers？

不，事实并非如此

只是简单地增加网路的深度，不能得到很好的效果，甚至还会使误差增大：

多个datasets的测试表明，仅仅只是简单地堆叠卷积层，并不能让网络训练得更好。

按理来说，如果网络加深，training acc应该增大，而testing acc减小，但是上图并不是这么回事，于是乎，Kaiming He提出了Deep Residual Learning的架构。

关于残差模块(residual block)

这里Kaiming聚聚首先引入了一个残差模块(residual block)的概念

上图所示的Residual Block：输入为 $x$ ，需要拟合的结果(输出)为 $H(x)$ 。那么我们把输出差分为 $x+y$ ，也就是 $H(x)=x+y$ 再令 $y=F(x)$ ,意思是 $y$ 也是由 $x$ 拟合而来，那么最后的输出就变为 $H(x)=x+F(x)$ $x$ 本来就是输入，所以我们就只需要拟合 $F(x)$ 就好了。

如上图，原始的plain架构，我们用两层卷积层来模拟函数 $g(.)$ ,而在residual block中，我们用两层卷积层来模拟函数 $F(.)$

举个例子：输入 $x = 2.9$ , 经过拟合后的输出为 $H(x)=3.0$ 那么残差就是 $F(x)=H(X)-x=0.1$ 如果拟合的是恒等变换，即输入 $x=2.5$ ，输出还是 $H(x)=2.5$ 那么残差就是 $F(x)=H(X)-x=0.0$

而如上图所示，假设 $x$ 从 $2.9$ 经过两层卷基层(conv)之后变为 $3.1$ ，平原网络的变化率 $\Delta=\frac{3.1-3.0}{3.0}=3.3\text{%}$ 而残差模块的变化率为 $\Delta=\frac{0.2-0.1}{0.1}=100\text{%}$

残差的引入去掉了主体部分，从而突出了微小的变化。我想这是他们敢说

We hypothesize that it is easier to optimize the residual mapping than to optimizethe original, unreferenced mapping

的原因。

有了残差模块(residual block)这个概念，我们再来设计网络架构，架构很简单，基于VGG19的架构，我们首先把网络增加到34层，增加过后的网络我们叫做plain network，再此基础上，增加残差模块，得到我们的Residual Network

关于bottleneck

论文中有两种residual block的设计，如下图所示：

在训练浅层网络的时候，我们选用前面这种，而如果网络较深(大于50层)时，会考虑使用后面这种(bottleneck)，这两个设计具有相似的时间复杂度。同样举个例子：对于ImageNet而言，进入到第一个residual block的input为 $(56,56,64)$ 采用左侧的两个 $3\times3 \text{ conv}$ 的卷积层：参数量为 $(3\times3\times64)\times64+(3\times3\times64)\times64$ 化简一下： $\text{params:}(18\times64)\times64=73728$ 采用右侧的bottleneck：参数量为 $(1\times1\times64)\times64+(3\times3\times64)\times64+(1\times1\times64)\times256+(1\times1\times64)\times256$ 化简一下: $\text{params:}(18\times64)\times64=73728$

可以看到它们的参数量属于同一个量级，但是这里bottleneck占用了整个network的「三层」，而原本只有「两层」，所以这样就节省了大量的参数，在大于50层的resnet中，他们使用了bottleneck这种形式。

具体细节如图所示：

如果你还有问题，参考这里 ResNet之Deeper Bottleneck Architectures

Identity mapping 改进

Kaiming He最初的paper，就是上面介绍的部分，但很快，他们又对ResNet提出了进一步的改进，这便是我们接下来要提到的paper：Identity Mappings in Deep Residual Networks[arXiv:1603.05027]

我们来仔细分析一下Residual Block, 在这篇paper中也被叫为Residual Unit.

对于原始的 Residual Unit(block),我们有如下计算：

$y_{l}=h(x_{l})+\mathcal{F}(x_{l},\mathcal{W}_{l})$

$x_{l+1}=f(y_{l})$

$x_l$ 表示第 $l$ 个Residual Unit的输入， $y_{i}$ 则代表第 $l$ 个Residual Unit的输出 $h$ 代表的某个变换，在这里是恒等变换， $\mathcal{F}$ 代表residual function， $f$ 代表某种操作，在这里是ReLU

所以可以写成如下形式：

$y_{l}=x_{l}+\mathcal{F}(x_l,\mathcal{W}_{l})$

$x_{l+1} = \text{ReLU}(y_l)$

也就是Residual Unit一开始的做法了。

那如果，我们 $f$ 是恒等变换呢，即 $x_l+1\equiv y_l$ ,那么有：

$x_{l+1} = y_{l}=x_{l}+\mathcal{F}(x_l,\mathcal{W}_{l})$

对于任意一层，我们都能用这个公式来表示：

$X_L=x_l+\sum_{i=l}^{L-1}{\mathcal{F}(x_i,W_i)}$

这便是这篇paper的改进，把原本的ReLU，放到Residual Unit的conv前面去，而不是放在addition之后。

可以看到，在上图作者对cifar10进行的多组实验中，使用full pre-activation这种Residul Unit效果最佳，个人认为这张表格还是挺重要的，我们简单分析一下！

(a)original：原始的结构 (b)BN after addition：这是在做相反的实验，本来我们的目的是把ReLU移到旁路上去，这里反而把BN拿出来，这进一步破坏了主路线上的恒等关系，阻碍了信号的传递，从结果也很容易看出，这种做法不ok (c)ReLU before addition：将 $f$ 变为恒等变换，最容易想到的方法就是将ReLU直接移动到BN后面，但这会出现一个问题，一个 $\mathcal{F}$ (残差函数)的输出应该可以是 $(-\infty,\infty)$ ,但是经过ReLU之后就会变为 $(0,\infty)$ ,这种做法的结果，也比(a)要差。

直接提上来似乎不行，但是问题反过来想，在addition之后做ReLU，不是相当于在下一次conv之前做ReLU吗？

(d)ReLU-only pre-activation：根据刚才的想法，我们把ReLU放到前面去，然而我们得到的结果和(a)差不多，原因是什么呢？因为这个ReLU层不与BN层连接使用，因此无法共享BN所带来的好处。 (e)full pre-activation：啊，那要不我们也把BN弄前面去，惊喜出现了，我们得到了相当可观的结果，是的，这便是我们最后要使用的Unit结构！！！

代码实现

终于到了可以写代码的时候了，还是放在我的 Github，测试只是用了50层，使用GTX980TI，训练时间为 8 h 58 min最后testing accuracy：94.10%

妹纸：哇，ResNet的residual block好帅气啊，何凯明简直是我男神！花花：喔，他是所有人心中的男神！妹纸：要训练9个小时啊，我周末试一下啊花花：你的是1080TI，训练个毛9小时，我980TI才要9小时啊！！妹纸：啊，反正是学长给配的花花：啊，2333

【本文地址】

公司简介

联系我们