對 ResNet 本質(zhì)的一些思考

hankkin 發(fā)布于2019-04-25 18:32 / 2139人閱讀

摘要：最近在總結(jié)完成語義分割任務(wù)的輕量級神經(jīng)網(wǎng)絡(luò)時(shí)，看到了中對于層的思考，于是我也回過頭重新審視之所以的本質(zhì)原因。本質(zhì)上就干了一件事降低數(shù)據(jù)中信息的冗余度。從本文的觀點(diǎn)來看，因?yàn)閺臄?shù)據(jù)中拿掉了非冗余信息的部分，會導(dǎo)致余下部分的信息冗余度變高。

最近在總結(jié)完成語義分割任務(wù)的輕量級神經(jīng)網(wǎng)絡(luò)時(shí)，看到了 MobileNet V2 中對于 ReLU 層的思考，于是我也回過頭重新審視 ResNet 之所以 work 的本質(zhì)原因。以下是一些個(gè)人的見解，如有錯(cuò)誤，還望及時(shí)指正。

在談及 ResNet 之前，我們先聊聊故事的背景。

我們知道，在神經(jīng)網(wǎng)絡(luò)中，非線性激活層可以為模型引入了非線性，讓模型具有更強(qiáng)的擬合能力。如果只是單純的線性操作層的疊加，則完全可以等價(jià)為一個(gè)線性層，這就浪費(fèi)了深度神經(jīng)網(wǎng)絡(luò)的一身好本領(lǐng)。

所謂針無兩頭尖，那么非線性激活層會帶來一些什么問題呢？我們以 ReLU 為例來進(jìn)行說明，其他非線性激活層亦同理。

首先，最直觀的，從實(shí)驗(yàn)中我們可以注意到一個(gè)事實(shí)：ReLU 會造成的低維數(shù)據(jù)的坍塌（collapse）。顧名思義，即是說，低維度的 feature 在通過 ReLU 的時(shí)候，這個(gè) feature 會像塌方了一樣，有一部分被毀掉了，或者說失去了。能恢復(fù)嗎？能，但是基本無法百分百還原了。

具體表現(xiàn)出來就是：若是我們對一個(gè) feature，先通過一個(gè)給定的變換規(guī)則 T，將它映射到它的 embedding space 中，再在該 embedding space 中，利用一個(gè) ReLU 去處理該 feature，最后再把這個(gè) feature 以同樣的變換規(guī)則（逆方向）給映射回原始空間，我們會發(fā)現(xiàn)，這時(shí)，這個(gè) feature 已經(jīng)變得連親媽都不認(rèn)得了。如圖↓

圖片來自《MobileNetV2: Inverted Residuals and Linear Bottlenecks》

ReLU 這個(gè)東西，其實(shí)就是一個(gè)濾波器，只不過這個(gè)濾波器的作用域不是信號處理中的頻域，而是特征域。那么濾波器又有什么作用呢？維度壓縮，俗話說就是降維啦：如果我們有 m 個(gè) feature 被送入 ReLU 層，過濾剩下 n 個(gè)（n

那么，為什么低維數(shù)據(jù)流經(jīng)非線性激活層會發(fā)生坍塌（信息丟失），而高維數(shù)據(jù)就不會呢？

打個(gè)簡單但不嚴(yán)謹(jǐn)?shù)谋确剑捍蠹叶加羞^年搶高鐵票的經(jīng)驗(yàn)吧？幾個(gè)人（維度低）幫你搶一張票，肯定沒有一群人（維度高）幫你搶一張票，成功的概率高啊。幾個(gè)人里面，大概率全軍覆沒，沒一個(gè)能幫上你忙的。而一群人里面，大概率總有那么一個(gè)手速驚人的單身青年，幫你搶到你心心念念的回家票。

在數(shù)據(jù)上也是一個(gè)道理，維度低的 feature，分布到 ReLU 的激活帶上的概率小，因此經(jīng)過后信息丟失嚴(yán)重，甚至可能完全丟失。而維度高的 feature，分布到 ReLU 的激活帶上的概率大，雖然可能也會有信息的部分丟失，但是無傷大雅，大部分的信息仍然得以保留。所謂留得青山在，不愁沒柴燒嘛。更何況被 ReLU 截殺的信息，可能只是一些無用游民（冗余信息）。

那么數(shù)據(jù)的坍塌，是個(gè)很嚴(yán)重的事嗎？

那事兒可大了。如果把神經(jīng)網(wǎng)絡(luò)比作一個(gè)人的話，你這就是給它的某個(gè)部位的血管里，丟了個(gè)血栓。

當(dāng)信息無法流過 ReLU 時(shí)，該神經(jīng)元的輸出就會變?yōu)?0。而在反向傳播的過程中，ReLU 對 0 值的梯度為 0，即發(fā)生了梯度消失，這將導(dǎo)致神經(jīng)元的權(quán)重?zé)o法再通過梯度下降法進(jìn)行更新，這種現(xiàn)象被稱為特征退化。所以這個(gè)神經(jīng)元相當(dāng)于死掉了，喪失了學(xué)習(xí)能力。我們說，一旦神經(jīng)元的輸出陷入 0 值，就無法恢復(fù)了。

那么，我們應(yīng)該怎么去規(guī)避數(shù)據(jù)的坍塌呢？非線性激活層到底是個(gè)什么樣的東西？

其實(shí)，對于一個(gè)數(shù)據(jù)，利用非線性激活層對其進(jìn)行激活，其實(shí)是從該數(shù)據(jù)的信息中提取出其潛在的稀疏性，但是這種提取的結(jié)果是否正確，就要分情況討論了。

對于一個(gè) M 維的數(shù)據(jù)，我們可以將其看成是在 M 維空間中的一個(gè) M 維流形（manifold）。而其中的有用信息，就是在該 M 維空間中的一個(gè)子空間（子空間的維度記為 N 維，N<=M）中的一個(gè) N 維流形。非線性激活層相當(dāng)于壓縮了這個(gè) M 維空間的維度（還記得前面提過的維度壓縮嗎？）。若是該 M 維空間中的 M 維流形本來就不含有冗余信息（M=N），那么再對其進(jìn)行維度壓縮，必然導(dǎo)致信息的丟失。

而維度低的數(shù)據(jù)其實(shí)就是這么一種情況：其信息的冗余度高的可能性本來就低，如果強(qiáng)行對其進(jìn)行非線性激活（維度壓縮），則很有可能丟失掉有用信息，甚至丟失掉全部信息（輸出為全 0）。

與非線性激活層不同的是，線性激活層并不壓縮特征空間的維度。于是，我們得到了一條使用激活層的原則：

對含有冗余信息的數(shù)據(jù)使用非線性激活（如 ReLU），對不含冗余信息的數(shù)據(jù)使用線性激活（如一些線性變換）。

兩種類型的激活交替靈活使用，以同時(shí)兼顧非線性和信息的完整性。

由于冗余信息和非冗余信息所攜帶的有用信息是一樣多的，因此在設(shè)計(jì)網(wǎng)絡(luò)時(shí)，對內(nèi)存消耗大的結(jié)構(gòu)較好是用在非冗余信息上。

根據(jù)以上的原則設(shè)計(jì)出來的結(jié)構(gòu)，聰明的你想到了什么？ResNet。不得不贊嘆 Kaiming He 的天才，ResNet 這東西，描述起來固然簡單，但是對它的理解每深一層，就會愈發(fā)發(fā)現(xiàn)它的精妙及優(yōu)雅，從數(shù)學(xué)上解釋起來非常簡潔，非常令人信服，而且直切傳統(tǒng)痛點(diǎn)。

ResNet 本質(zhì)上就干了一件事：降低數(shù)據(jù)中信息的冗余度。

具體說來，就是對非冗余信息采用了線性激活（通過 skip connection 獲得無冗余的 identity 部分），然后對冗余信息采用了非線性激活（通過 ReLU 對 identity 之外的其余部分進(jìn)行信息提取 / 過濾，提取出的有用信息即是殘差）。

其中，提取 identity 這一步，就是 ResNet 思想的核心。

從本文的觀點(diǎn)來看，因?yàn)閺臄?shù)據(jù)中拿掉了非冗余信息的 identity 部分，會導(dǎo)致余下部分的信息冗余度變高。這就像從接近飽和的溶液中移走了一部分溶質(zhì)，會使得剩下的溶液的飽和度降低，一個(gè)道理。

在這里也引用一下其他的一些觀點(diǎn)，方便大家可以從一個(gè)更全面的角度去看這個(gè)問題：

從特征復(fù)用的觀點(diǎn)來看，提取 identity 部分，可以讓網(wǎng)絡(luò)不用再去學(xué)習(xí)一個(gè) identity mapping（雖然是一樣的東西，但是畢竟又要從頭學(xué)起，講真，換你來試試，這其實(shí)真的不容易學(xué)到），而是直接學(xué)習(xí) residual。這就輕松愉快多了：站在巨人的肩膀上，做一點(diǎn)微小的工作什么的...

既然說了 ResNet 解決的痛點(diǎn)，也順便多說幾句它帶來的好處：

由于 identity 之外的其余部分的信息冗余度較高，因此在對其使用 ReLU 進(jìn)行非線性激活時(shí)，丟失的有用信息也會較少，ReLU 層輸出為 0 的可能性也會較低。這就降低了在反向傳播時(shí) ReLU 的梯度消失的概率，從而便于網(wǎng)絡(luò)的加深，以大大地發(fā)揮深度網(wǎng)絡(luò)的潛能。

特征復(fù)用能加快模型的學(xué)習(xí)速度，因?yàn)閰?shù)的優(yōu)化收斂得快（從 identity 的基礎(chǔ)上直接學(xué)習(xí)殘差，總比從頭學(xué)習(xí)全部來得快）。

最后是兩個(gè)小 tips：

如果一個(gè)信息可以完整地流過一個(gè)非線性激活層，則這個(gè)非線性激活層對于這個(gè)信息而言，相當(dāng)于僅僅作了一個(gè)線性激活。

解決由非線性激活導(dǎo)致的反向傳播梯度消失的竅門，就是要提高進(jìn)行非線性激活的信息的冗余度。

如果您覺得本文對您有所幫助，請高抬貴手點(diǎn)個(gè)贊～

接下來會填之前語義軟分割的坑和圖神經(jīng)網(wǎng)絡(luò)的坑，還有一些雜七雜八的：如姿態(tài)估計(jì)網(wǎng)絡(luò)啦、deepSLAM 啦、視覺跟蹤網(wǎng)絡(luò)啦、VQA 啦... 最近光忙著看 paper 和寫筆記了，有空再整理后發(fā)上來。

以上。

聲明：本文版權(quán)歸原作者所有，文章收集于網(wǎng)絡(luò)，為傳播信息而發(fā)，如有侵權(quán)，請聯(lián)系小編及時(shí)處理，謝謝！歡迎加入本站公開興趣群

商業(yè)智能與數(shù)據(jù)分析群

興趣范圍包括各種讓數(shù)據(jù)產(chǎn)生價(jià)值的辦法，實(shí)際應(yīng)用案例分享與討論，分析工具，ETL工具，數(shù)據(jù)倉庫，數(shù)據(jù)挖掘工具，報(bào)表系統(tǒng)等全方位知識

QQ群：81035754