【DeepLearning】GoogLeNet

InceptionV1 论文原文：Going deeper with convolutions    中英文对照

InceptionBN 论文原文：Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift   中英文对照

InceptionV2/V3 论文原文：Rethinking the Inception Architecture for Computer Vision   中英文对照

InceptionV4 论文原文： Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learnin

本文介绍的是著名的网络结构GoogLeNet及其延伸版本，目的是试图领会其中的思想而不是单纯关注结构。本文大量参考该博客 和 GoogleNet详解，感谢。

 Notes

• Inception V1
  • Motivation
  • Architectural details
  • GoogLeNet
  • Auxililary Classifier
  • Conclusion
• Inception BN
  • Motivation
  • BN
  • Architectural Details
  • Conclusion
• Inception V2、V3
• Inception V4

## GoogLeNet Inception V1

 【Motivation】

　　一般来说，提升网络性能最直接的办法就是增加网络深度和宽度，或者增加核的数量，但这也意味着巨量的参数。但这种方式存在着明显的问题：

（1）参数太多，如果训练数据集有限，很容易产生过拟合；
（2）网络越大、参数越多，计算复杂度越大，难以应用，尤其是W中含有大量0的情况下，造成资源的浪费；
（3）网络越深，容易出现梯度弥散问题，难以优化模型。（ReLU不解决梯度弥散的问题，只延缓）

　　解决这些问题的方法当然就是在增加网络深度和宽度的同时减少参数，为了减少参数，自然就想到将全连接甚至一般的卷积变成稀疏连接。但是在实现上，全连接变成稀疏连接后实际计算量并不会有质的提升，因为大部分硬件是针对密集矩阵计算优化的，稀疏矩阵虽然数据量少，但是计算所消耗的时间却很难减少。这就代表着，我们要寻找一个方法，既能保持网络结构的稀疏性，又能利用密集矩阵的高计算性能。

 　　大量的文献表明可以将稀疏矩阵聚类为较为密集的子矩阵来提高计算性能。因此，GoogLeNet团队提出了Inception网络结构，就是构造一种“基础神经元”结构，来搭建一个稀疏性、高计算性能的网络结构。

【Architectural Details】

　　Inception 结构的主要思路是怎样用密集成分来近似最优的局部稀疏结构，下图为原始的Inception结构：

　　该结构将CNN中常用的卷积（1x1，3x3，5x5）、池化操作（3x3）堆叠在一起，一方面增加了网络的宽度，另一方面也增加了网络对尺度的适应性。具体来看，对Inception做如下的解释：

1 . 采用不同大小的卷积核意味着不同大小的感受野，最后拼接意味着不同尺度特征的融合；
2 . 之所以卷积核大小采用1、3和5，主要是为了方便对齐。设定卷积步长stride=1之后，只要分别设定padding=0、1、2，那么卷积之后便可以得到相同维度的特征，然后这些特征就可以直接拼接在一起了；
3 . 文章说很多地方都表明pooling挺有效，所以Inception里面也嵌入了。
4 . 网络越到后面，特征越抽象，而且每个特征所涉及的感受野也更大了，因此随着层数的增加，3x3和5x5卷积的比例也要增加。

 　　但是，这种叠加不可避免的使得Inception 模块的输出通道数增加，这就增加了Inception 模块中每个卷积的计算量。因此在经过若干个模块之后，计算量会爆炸性增长。为此采用1×1卷积核来进行降维，改进后的Inception Module如下：

　　值得注意的是：

• 1x1 卷积是在最大池化层之后，而不是之前。这是因为：池化层是为了提取图像的原始特征，一旦它接在1x1 卷积之后就失去了最初的本意。
• 1x1 卷积在3x3、5x5 卷积之前。这是因为：如果1x1 卷积在它们之后，则3x3 卷积、5x5 卷积的输入通道数太大，导致计算量仍然巨大。

　　为了方便理解它是如何有效的，我们举下述的例子：

【GoogLeNet】

在GoogLeNet中，借鉴了AlexNet和VGG的stack(repeat)策略，将Inception单元重复串联起来，构成基本的特征提取结构。

InceptionNet V1 是一个22层的深度网络。 如果考虑池化层，则有29层。如下图中的depth 列所示。

网络具有三组Inception 模块，分别为：inception(3a)/inception(3b)、inception(4a)/inception(4b)/inception(4c)/inception(4d)/inception(4e)、inception(5a)、inception(5b)。三组Inception 模块被池化层分隔。

 

 对上图说明如下：
（1）GoogLeNet采用了模块化的结构（Inception结构），方便增添和修改；
（2）网络最后采用了average pooling来代替全连接层，该想法来自NIN（Network in Network），事实证明这样可以将准确率提高0.6%。但是，实际在最后还是加了一个全连接层，主要是为了方便对输出进行灵活调整；
（3）虽然移除了全连接，但是网络中依然使用了Dropout ; （在avg pooling之后，FC之前）
（4）为了缓解梯度消失，网络额外增加了2个辅助的softmax用于向前传导梯度（辅助分类器Auxililary Classifier）。辅助分类器是将中间某一层的输出用作分类，并按一个较小的权重（0.3）加到最终分类结果中，这样相当于做了模型融合，同时给网络增加了反向传播的梯度信号。

 原始输入的图像为224×224×3，接下来的是对各层进行更细致的解释：

接下来就以第一层（卷积层）和第三层（Inception 3a层）为例进行详细的解释。

【Auxililary Classifier】 

1. 为了缓解梯度消失的问题，InceptionNet V1 给出了两个辅助分类器。这两个辅助分类器被添加到网络的中间层，它们和主分类器共享同一套训练数据及其标记。其中：
   • 第一个辅助分类器位于Inception(4a) 之后，Inception(4a) 模块的输出作为它的输入。
   • 第二个辅助分类器位于Inception(4d) 之后，Inception(4d) 模块的输出作为它的输入。
   • 两个辅助分类器的结构相同，包括以下组件：
     • 一个尺寸为5x5、步长为3的平均池化层。
     • 一个尺寸为1x1、输出通道数为128 的卷积层。
     • 一个具有1024 个单元的全连接层。
     • 一个drop rate = 70%的 dropout 层。
     • 一个使用softmax 损失的线性层作为输出层。
2. 在训练期间，两个辅助分类器的损失函数的权重是0.3，它们的损失被叠加到网络的整体损失上。在推断期间，这两个辅助网络被丢弃。

   在Inception v3 的实验中表明：辅助网络的影响相对较小，只需要其中一个就能够取得同样的效果。

   事实上辅助分类器在训练早期并没有多少贡献。只有在训练接近结束，辅助分支网络开始发挥作用，获得超出无辅助分类器网络的结果。

3. 两个辅助分类器的作用：提供正则化的同时，克服了梯度消失问题。

【Conclusion】

　　Inception v1 有 22 层，但只有 500w 的参数量，是 AlexNet 的 1/12。为什么要减少参数量？一是因为参数越多，需要喂给模型的数据量就越大，二是因为参数越多，耗费的计算资源就越大。

　　InceptionNet 为什么参数少而且效果好？一是因为用平均池化层代替了最后的全连接层，二是因为上面解释的 Inception Module 的作用。

 　　

## GoogleNet InceptionBN

　　关键点：优化策略：BN、用两个3x3代替一个5x5、LRN是不必要的。

【Motivation】

　　存在Internal Covariate Shift现象（协方差偏移，参考天雨粟）

• 当底层网络中参数发生微弱变化时，由于每一层中的线性变换与非线性激活映射，这些微弱变化随着网络层数的加深而被放大（类似蝴蝶效应）；
• 参数的变化导致每一层的输入分布会发生改变，进而上层的网络需要不停地去适应这些分布变化，使得我们的模型训练变得困难。
• 较规范的定义：在深层网络训练的过程中，由于网络中参数变化而引起内部结点数据分布发生变化的这一过程被称作Internal Covariate Shift。

　　Internal Covariate Shift的存在会使得 网络的学习速率降低、网络陷入梯度饱和区，网络收敛速率减缓。

　　解决办法：引入Batch Normalization，作为深度网络模型的一个层，每次先对input数据进行归一化，再送入神经网络输入层。

【Batch Normalization】

  　　关于BN，论文看的我十分闹心，因为数学的底子太差，很多知识不熟悉。这里推荐莫烦的讲解视频，和这个博客来解释什么是BN，用一句话总结就是

批处理就是 对于每个隐层神经元，把 逐渐向非线性函数映射后向取值区间极限饱和区靠拢的输入分布 强制拉回到 均值为0方差为1的比较标准的正态分布 ，使得非线性变换函数的输入值落入对输入比较敏感的区域，以此避免梯度消失问题。

- Batch normalization实现：转自  <深度学习优化策略-1>Batch Normalization（BN）

1、使网络某一层的输入样本做白化处理（最后发现等价于零均值化（Normalization）处理，拥有零均值，方差为1），输入样本之间不相关。通过零均值化每一层的输入，使每一层拥有服从相同分布的输入样本，因此克服内部协方差偏移的影响。

E（X）是输入样本X的期望，Var是输入样本X的方差。注意，对于一个d维的输入样本X=（x1,x2,....xd），要对某一层所有的维度一起进行零均值化处理，计算量大，且部分地方不可导，因此，这里的是针对每个维度k分别处理。

2、数据简化：输入样本X规模可能上亿，直接计算几乎是不可能的。因此，选择每个batch来进行Normalization，得出Batch Normalization（BN）的处理方式：

从上图可以看出，因为简单的对数据进行normalize处理会降低，把数据限制在[0,1]的范围内，对于型激活函数来说，只使用了其线性部分，会限制模型的表达能力。所以，还需要对normalize之后的进行变换：

r和B做为参数，可以通过网络训练学到。

3、BN的参数求导：输入样本进行变换之后，要进行梯度反向传播，就必须计算BN各个参数的梯度，梯度计算公式如下：

可见，通过BN对输入样本进行变换是可导的，不会对梯度反向传播造成影响。

4、为了加快训练，我们在模型训练阶段使用BN，但是在推理阶段并不一定要使用。训练一个BN网络完整的流程：

关于具体实现，可以参考 机器不学习的专栏，实现的很具体

【Architectural details】

1. InceptionBN  的主要贡献是提出了Batch Normalization 。论文指出，使用了Batch Normalization 之后：
   • BN 减少了内部协方差，提高了梯度在网络中的流动，加速了网络的训练。
   • 减少梯度对参数大小或初始值的依赖，使网络在使用较大学习速率训练网络参数时，也不会出现参数发散的情况。
   • 正则化模型，减少模型对dropout，careful weight initialnization依赖
   • 网络具有更好的泛化能力。
2. InceptionBN 网络训练的技巧有：
   • 使用更高的学习率。
   • 删除dropout层、LRN 层。
   • 减小L2 正则化的系数。
   • 更快的衰减学习率。学习率以指数形式衰减。
   • 更彻底的混洗训练样本，使得一组样本在不同的epoch 中处于不同的mini batch 中。
   • 减少图片的形变。
3. InceptionBN 的网络结构比Inception v1 有少量改动：
   • 5x5 卷积被两个3x3 卷积替代。这使得网络的最大深度增加了 9 层，同时网络参数数量增加 25%，计算量增加 30%。
   • 28x28 的inception 模块从2个增加到3个。
   • 在inception 模块中，有的采用最大池化，有的采用平均池化。
   • 在inception 模块之间取消了用作连接的池化层。
   • inception(3c),inception(4e) 的子层采用步长为 2 的卷积/池化。

   Pool+proj 列给出了inception 中的池化操作。

   • avg+32 意义为：平均池化层后接一个尺寸1x1、输出通道32 的卷积层。
   • max+pass through 意义为：最大池化层后接一个尺寸1x1、输出通道数等于输入通道数的卷积层。

   

【Conclusion】 

        总的来说，BN通过将每一层网络的输入进行normalization，保证输入分布的均值与方差固定在一定范围内，减少了网络中的Internal Covariate Shift问题，并在一定程度上缓解了梯度消失，加速了模型收敛；并且BN使得网络对参数、激活函数更加具有鲁棒性，降低了神经网络模型训练和调参的复杂度；最后BN训练过程中由于使用mini-batch的mean/variance作为总体样本统计量估计，引入了随机噪声，在一定程度上对模型起到了正则化的效果。