07183332
07183332
3月前 · 4 人阅读

前 言

Face book AI research(FAIR)

吴育昕-凯明联合推出重磅新作

Group Normbalization(GN),提出使用

Group Normalization

(https://arxiv.org/abs/1803.08494)

替代深度学习里程碑式的工作Batchnormalization,

笔者见猎心喜,希望和各位分享此工作,本文将从以下三个方面为读者详细解读此篇文章:

1 What is Group Normbalization

一句话概括,GroupNormbalization(GN)是一种新的深度学习归一化方式,可以替代BN。

众所周知,BN是深度学习中常使用的归一化方法,在提升训练以及收敛速度上发挥了重大的作用,是深度学习上里程碑式的工作,但是其仍然存在一些问题,而新提出的GN解决了BN式归一化对batch size依赖的影响。详细的BN介绍可以参考我的另一篇博客(https://blog.csdn.net/qq_25737169/article/details/79048516)。

So, BN到底出了什么问题, GN又厉害在哪里?

2 What's wrong with BN

BN全名是BatchNormalization,见名知意,其是一种归一化方式,而且是以batch的维度做归一化,那么问题就来了,此归一化方式对batch是--dependent的,过小的batch size会导致其性能下降,一般来说每GPU上batch设为32最合适,但是对于一些其他深度学习任务batch size往往只有1-2,比如目标检测,图像分割,视频分类上,输入的图像数据很大,较大的batchsize显存吃不消。那么,对于较小的batchsize,其performance是什么样的呢?如下图:

横轴表示每个GPU上的batch size大小,从左到右一次递减,纵轴是误差率,可见,在batch较小的时候,GN较BN有少于10%的误差率。

另外,BatchNormalization是在batch这个维度上Normalization,但是这个维度并不是固定不变的,比如训练和测试时一般不一样,一般都是训练的时候在训练集上通过滑动平均预先计算好平均-mean,和方差-variance参数,在测试的时候,不在计算这些值,而是直接调用这些预计算好的来用,但是,当训练数据和测试数据分布有差别是时,训练机上预计算好的数据并不能代表测试数据,这就导致在训练,验证,测试这三个阶段存在inconsistency。

既然明确了问题,解决起来就简单了,归一化的时候避开batch这个维度是不是可行呢,于是就出现了layer normalization和instance normalization等工作,但是仍比不上本篇介绍的工作GN。

3 How GN Work

GN本质上仍是归一化,但是它灵活的避开了BN的问题,同时又不同于Layer

从左到右一次是BN,LN,IN,GN

众所周知,深度网络中的数据维度一般是[N, C, H, W]或者[N, H, W,C]格式,N是batch size,H/W是feature的高/宽,C是feature的channel,压缩H/W至一个维度,其三维的表示如上图,假设单个方格的长度是1,

那么其表示的是[6, 6,*, * ]

上图形象的表示了四种norm的工作方式:

  • BN在batch的维度上norm,归一化维度为[N,H,W],对batch中对应的channel归一化;

  • LN避开了batch维度,归一化的维度为[C,H,W];

  • IN 归一化的维度为[H,W];

  • 而****GN****介于****LN****和****IN****之****间****,其首先将****channel****分****为许****多****组****(****group****),****对****每一****组****做****归****一化,及先将****feature****的****维****度由****[N, C, H, W]reshape****为****[N, G****,****C//G , H, W]****,****归****一化的****维****度****为****[C//G , H, W]

事实上,GN的极端情况就是LN和I N,分别对应G等于C和G等于1,作者在论文中给出G设为32较好

          由此可以看出,GN和BN是有很多相似之处的,代码相比较BN改动只有一两行而已,论文给出的代码实现如下:

<pre style="margin: auto 0px auto 48px; padding: 0px; max-width: 100%; box-sizing: border-box !important; word-wrap: break-word !important; color: rgb(51, 51, 51); font-style: normal; font-variant-ligatures: normal; font-variant-caps: normal; font-weight: 400; letter-spacing: 0.544px; orphans: 2; text-align: center; text-indent: 0px; text-transform: none; widows: 2; word-spacing: 0px; -webkit-text-stroke-width: 0px; background-color: rgb(255, 255, 255); text-decoration-style: initial; text-decoration-color: initial; font-size: 16px;">

defGroupNorm(x, gamma, beta, G, eps=1e-5):     # x: input features with shape [N,C,H,W]     # gamma, beta: scale and offset, with shape [1,C,1,1]     # G: number of groups for GN     N, C, H, W = x.shape     x = tf.reshape(x,[N, G, C // G, H, W])   mean,var= tf.nn.moments(x,[2,3,4], keep dims=True)   x =(x - mean)/ tf.sqrt(var+ eps)   x = tf.reshape(x,[N, C, H, W])   return x * gamma + beta

</pre>

其中beta 和gama参数是norm中可训练参数,表示平移和缩放因子.

从上述norm的对比来看,不得不佩服作者四两拨千斤的功力,仅仅是稍微的改动就能拥有举重若轻的效果。

4 ## Why GN work

上面三节分别介绍了BN的问题,以及GN的工作方式,本节将介绍GN work的原因。

传统角度来讲,在深度学习没有火起来之前,提取特征通常是使用SIFT,HOG和GIST特征,这些特征有一个共性,都具有按group表示的特性,每一个group由相同种类直方图的构建而成,这些特征通常是对在每个直方图(histogram)或每个方向(orientation)上进行组归一化(group-wise norm)而得到。而更高维的特征比如VLAD和Fisher Vectors(FV)也可以看作是group-wisefeature,此处的group可以被认为是每个聚类(cluster)下的子向量sub-vector。

从深度学习上来讲,完全可以认为卷积提取的特征是一种非结构化的特征或者向量,拿网络的第一层卷积为例,卷积层中的的卷积核filter1和此卷积核的其他经过transform过的版本filter2(transform可以是horizontal flipping等),在同一张图像上学习到的特征应该是具有相同的分布,那么,具有相同的特征可以被分到同一个group中,按照个人理解,每一层有很多的卷积核,这些核学习到的特征并不完全是独立的,某些特征具有相同的分布,因此可以被group。

        导致分组(group)的因素有很多,比如频率、形状、亮度和纹理等,HOG特征根据orientation分组,而对神经网络来讲,其提取特征的机制更加复杂,也更加难以描述,变得不那么直观。另在神经科学领域,一种被广泛接受的计算模型是对cell的响应做归一化,此现象存在于浅层视觉皮层和整个视觉系统。

        作者基于此,提出了组归一化(Group Normalization)的方式,且效果表明,显著优于BN、LN、IN等。

         GN的归一化方式避开了batchsize对模型的影响,特征的group归一化同样可以解决的问题,并取得较好的效果。

5 ## Show Time

以resnet50为base model,batchsize设置为32在imagenet数据集上的训练误差(左)和测试误差(右)
GN没有表现出很大的优势,在测试误差上稍大于使用BN的结果。

可以很容易的看出,GN对batch size的鲁棒性更强

同时,作者以VGG16为例,分析了某一层卷积后的特征分布学习情况,分别根据不使用Norm 和使用BN,GN做了实验,实验结果如下:

统一batch size设置的是32,最左图是不使用norm的conv5的特征学习情况,中间是使用了BN结果,最右是使用了GN的学习情况,相比较不使用norm,使用norm的学习效果显著,而后两者学习情况相似,不过更改小的batch size后,BN是比不上GN的。

作者同时做了实验展示了GN在object detector/segmentation 和video classification上的效果,详情可见原文,此外,作者在paper最后一节中大致探讨了discussion and future work, 实乃业界良心。

小结

本文从三个方面分析了BN的drawback,GN的工作机制,GN work的背后原理,希望对读者有所帮助。

收藏 0
gn 归一化 bn batch group 维度
评论 ( 0 )