SqueezeNet详细解读

概要:SqueezeNet的工作为以下几个方面:

  1. 提出了新的网络架构Fire Module,通过减少参数来进行模型压缩
  2. 使用其他方法对提出的SqeezeNet模型进行进一步压缩
  3. 对参数空间进行了探索,主要研究了压缩比和 33 卷积比例的影响

这篇文章是 SQUEEZENET: ALEXNET-LEVEL ACCURACY WITH 50X FEWER PARAMETERS AND <0.5MB MODEL SIZE 的解读,在精简部分内容的同时补充了相关的概念。如有错误,敬请指正。
论文链接:http://arxiv.org/abs/1602.07360
代码链接:https://github.com/DeepScale/SqueezeNet

ABSTRACT

近来深层卷积网络的主要研究方向集中在提高正确率。对于相同的正确率水平,更小的CNN架构可以提供如下的优势:
(1)在分布式训练中,与服务器通信需求更小
(2)参数更少,从云端下载模型的数据量小
(3)更适合在FPGA等内存受限的设备上部署。
基于这些优点,本文提出SqeezeNet。它在ImageNet上实现了和AlexNet相同的正确率,但是只使用了1/50的参数。更进一步,使用模型压缩技术,可以将SqueezeNet压缩到0.5MB,这是AlexNet的1/510。

1 INTRODUCTION AND MOTIVATION

对于一个给定的正确率,通常可以找到多种CNN架构来实现与之相近的正确率。其中,参数数量更少的CNN架构有如下优势:
(1)更高效的分布式训练
服务器间的通信是分布式CNN训练的重要限制因素。对于分布式 数据并行 训练方式,通信需求和模型参数数量正相关。小模型对通信需求更低。
(2)减小下载模型到客户端的额外开销
比如在自动驾驶中,经常需要更新客户端模型。更小的模型可以减少通信的额外开销,使得更新更加容易。
(3)便于FPGA和嵌入式硬件上的部署

2 RELATED WORK

2.1 MODEL COMPRESSION

常用的模型压缩技术有:
(1)奇异值分解(singular value decomposition (SVD))1
(2)网络剪枝(Network Pruning)2:使用网络剪枝和稀疏矩阵
(3)深度压缩(Deep compression)3:使用网络剪枝,数字化和huffman编码
(4)硬件加速器(hardware accelerator)4

2.2 CNN MICROARCHITECTURE

在设计深度网络架构的过程中,如果手动选择每一层的滤波器显得过于繁复。通常先构建由几个卷积层组成的小模块,再将模块堆叠形成完整的网络。定义这种模块的网络为CNN microarchitecture。

2.3 CNN MACROARCHITECTURE

与模块相对应,定义完整的网络架构为CNN macroarchitecture。在完整的网络架构中,深度是一个重要的参数。

2.4 NEURAL NETWORK DESIGN SPACE EXPLORATION

由于超参数繁多,深度神经网络具有很大的设计空间(design space)。通常进行设计空间探索的方法有:
(1)贝叶斯优化
(2)模拟退火
(3)随机搜索
(4)遗传算法

3 SQUEEZENET: PRESERVING ACCURACY WITH FEW PARAMETERS

3.1 ARCHITECTURAL DESIGN STRATEGIES

使用以下三个策略来减少SqueezeNet设计参数
(1)使用 11 卷积代替 33 卷积:参数减少为原来的1/9
(2)减少输入通道数量:这一部分使用squeeze layers来实现
(3)将欠采样操作延后,可以给卷积层提供更大的激活图:更大的激活图保留了更多的信息,可以提供更高的分类准确率
其中,(1)和(2)可以显著减少参数数量,(3)可以在参数数量受限的情况下提高准确率。

3.2 THE FIRE MODULE

Fire Module是SqueezeNet中的基础构建模块,如下定义 Fire Module :


SqueezeNet详细解读_第1张图片

  1. squeeze convolution layer:只使用 11 卷积 filter,即以上提到的策略(1)
  2. expand layer:使用 11 33 卷积 filter的组合
  3. Fire module中使用3ge可调的超参数: s1x1 (squeeze convolution layer中 11 filter的个数)、 e1x1 (expand layer中 11 filter的个数)、 e3x3 (expand layer中 33 filter的个数)
  4. 使用Fire module的过程中,令 s1x1 < e1x1 + e3x3 ,这样squeeze layer可以限制输入通道数量,即以上提到的策略(2)

3.3 THE SQUEEZENET ARCHITECTURE

SqueezeNet以卷积层(conv1)开始,接着使用8个Fire modules (fire2-9),最后以卷积层(conv10)结束。每个fire module中的filter数量逐渐增加,并且在conv1, fire4, fire8, 和 conv10这几层之后使用步长为2的max-pooling,即将池化层放在相对靠后的位置,这使用了以上的策略(3)


SqueezeNet详细解读_第2张图片

如上图,左边为原始的SqueezeNet,中间为包含simple bypass的改进版本,最右侧为使用complex bypass的改进版本。在下表中给出了更多的细节。


SqueezeNet详细解读_第3张图片

因为这是一篇讲解网络压缩的文章,这里顺便提一下参数计算的方法。以上表中的 fire2模块为例:maxpool1层的输出为 555596 ,一共有96个通道。之后紧接着的Squeeze层有16个 1196 的卷积filter,注意这里是多通道卷积,为了避免与二维卷积混淆,在卷积尺寸末尾写上了通道数。这一层的输出尺寸为 555516 ,之后将输出分别送到expand层中的 1116 (64个)和 3316 (64个)进行处理,注意这里不对16个通道进行切分。为了得到大小相同的输出,对 3316 的卷积输入进行尺寸为1的zero padding。分别得到 555564 555564 大小相同的两个feature map。将这两个feature map连接到一起得到 5555128 大小的feature map。考虑到bias参数,这里的参数总数为:
(1196+1)16+(1116+1)64+(3316+1)64(1552+1088+9280)=11920

可以看出,Squeeze层由于使用 11 卷积极大地压缩了参数数量,并且进行了降维操作,但是对应的代价是输出特征图的通道数(维数)也大大减少。之后的expand层使用不同尺寸的卷积模板来提取特征,同时将两个输出连接到一起,又将维度升高。但是 3316 的卷积模板参数较多,远超 11 卷积的参数,对减少参数十分不利,所以作者又针对 3316 卷积进行了剪枝操作以减少参数数量。从网络整体来看,feature map的尺寸不断减小,通道数不断增加,最后使用平均池化将输出转换成 111000 完成分类任务。

3.3.1 OTHER SQUEEZENET DETAILS

以下是网络设计中的一些要点:
(1)为了使 11 33 filter输出的结果又相同的尺寸,在expand modules中,给 33 filter的原始输入添加一个像素的边界(zero-padding)。
(2)squeeze 和 expand layers中都是用ReLU作为激活函数
(3)在fire9 module之后,使用Dropout,比例取50%
(4)注意到SqueezeNet中没有全连接层,这借鉴了Network in network的思想
(5)训练过程中,初始学习率设置为0.04,,在训练过程中线性降低学习率。更多的细节参见本项目在github中的配置文件。
(6)由于Caffee中不支持使用两个不同尺寸的filter,在expand layer中实际上是使用了两个单独的卷积层( 11 filter 和 33 filter),最后将这两层的输出连接在一起,这在数值上等价于使用单层但是包含两个不同尺寸的filter。
在github上还有SqueezeNet在其他框架下的实现:MXNet、Chainer、Keras、Torch。

4 EVALUATION OF SQUEEZENET

在表2中,以AlexNet为标准来比较不同压缩方法的效果。


SqueezeNet详细解读_第4张图片


SVD方法能将预训练的AlexNet模型压缩为原先的1/5,top1正确率略微降低。网络剪枝的方法能将模型压缩到原来的1/9,top1和top5正确率几乎保持不变。深度压缩能将模型压缩到原先的1/35,正确率基本不变。SqeezeNet的压缩倍率可以达到50以上,并且正确率还能有 略微的提升。注意到几时使用未进行压缩的32位数值精度来表示模型,SqeezeNet也比压缩率最高的模型更小,同时表现也更好。
如果将深度压缩(Deep Compression)的方法用在SqeezeNet上,使用33%的稀疏表示和8位精度,会得到一个仅有0.66MB的模型。进一步,如果使用6位精度,会得到仅有0.47MB的模型,同时正确率不变。
此外,结果表明深度压缩不仅对包含庞大参数数量的CNN网络作用,对于较小的网络,比如SqueezeNet,也是有用的。将SqueezeNet的网络架构创新和深度压缩结合起来可以将原模型压缩到1/510。

5 CNN MICROARCHITECTURE DESIGN SPACE EXPLORATION

5.1 CNN MICROARCHITECTURE METAPARAMETERS

在SqueezeNet中,每一个Fire module有3个维度的超参数,即 s1x1 e1x1 e3x3 。SqueezeNet一共有8个Fire modules,即一共24个超参数。下面讨论其中一些重要的超参数的影响。为方便研究,定义如下参数:

  1. basee :Fire module中expand filter的个数
  2. freq :Fire module的个数
  3. incree :在每 freq 个Fire module之后增加的expand filter个数
  4. ei :第 i 个Fire module中,expand filters的个数
  5. SR :压缩比,即the squeeze ratio ,为squeeze layer中filter个数除以Fire module中filter总个数得到的一个比例
  6. pct3x3 :在expand layer有 11 33 两种卷积,这里定义的参数是 33 卷积个占卷积总个数的比例

下图为实验结果:

SqueezeNet详细解读_第5张图片

5.2 SQUEEZE RATIO

Figure 3 中左图给出了压缩比(SR)的影响。压缩比小于0.25时,正确率开始显著下降。

5.3 TRADING OFF 1X1 AND 3X3 FILTERS

Figure 3 中右图给出了 33 卷积比例的影响,在比例小于25%时,正确率开始显著下降,此时模型大小约为原先的44%。超过50%后,模型大小显著增加,但是正确率不再上升。

6 CNN MACROARCHITECTURE DESIGN SPACE EXPLORATION

受ResNet启发,这里探究旁路连接(bypass conection)的影响。在Figure 2中展示了三种不同的网络架构。下表给出了实验结果:


SqueezeNet详细解读_第6张图片

注意到使用旁路连接后正确率确实有一定提高。

7 Conclusions

在SqueezeNet提出后,Dense-Sparse-Dense (DSD)5使用了新的方法来进行压缩同时提高了精度。

8 Implementation

在这里我们分析SqeezeNet的PyTorch实现,以加深对网络架构的理解。源代码可见:https://github.com/pytorch/vision/blob/master/torchvision/models/squeezenet.py

为方便分析,除去其中不必要的代码。

8.1 Fire module的实现

首先Fire类是对torch.nn.Modules类进行拓展得到的,需要继承Modules类,并实现__init__()方法,以及forward()方法。其中,__init__()方法用于定义一些新的属性,这些属性可以包括Modules的实例,如一个torch.nn.Conv2d,nn.ReLU等。即创建该网络中的子网络,在创建这些子网络时,这些网络的参数也被初始化。接着使用super(Fire, self).__init__()调用基类初始化函数对基类进行初始化。

首先,在Fire类的__init__()函数中,定义了如下几个新增的属性:
1. inplanes:输入向量
2. squeeze:sqeeze layer,由二维 11 卷积组成。其中,参考PyTorch文档,torch.nn.Conv2d 的定义为class torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True),代码中inplanes为输入通道,squeeze_planes为输出通道,卷积模板尺寸为 11 .
3. expand1x1:expand layer中的 11 卷积。
4. expand3x3:expand layer中的 33 卷积。注意,为了使 11 33 filter输出的结果有相同的尺寸,在expand modules中,给3∗3 filter的原始输入添加一个像素的边界(zero-padding)
5. 所有的激活函数都选择ReLU。注意inplace=True参数可以在原始的输入上直接进行操作,不会再为输出分配额外的内存,可以节省一部分内存,但同时也会破坏原始的输入。

之后实现foward方法,整个流程如下:
首先,将输入x经过squeeze layer进行卷积操作,再经过 squeeze_activation() 进行激活,然后将输出分别送到 expand1x1 expand3x3 中进行卷积和激活操作,最后,使用torch.cat()可以将expand1x1_activationexpand3x3_activation这两个维度相同的输出张量连接在一起。注意这里的dim=1,即按照列连接,最终得到若干行。

class Fire(nn.Module):

    def __init__(self, inplanes, squeeze_planes,
                 expand1x1_planes, expand3x3_planes):
        super(Fire, self).__init__()
        self.inplanes = inplanes
        self.squeeze = nn.Conv2d(inplanes, squeeze_planes, kernel_size=1)
        self.squeeze_activation = nn.ReLU(inplace=True)
        self.expand1x1 = nn.Conv2d(squeeze_planes, expand1x1_planes,
                                   kernel_size=1)
        self.expand1x1_activation = nn.ReLU(inplace=True)
        self.expand3x3 = nn.Conv2d(squeeze_planes, expand3x3_planes,
                                   kernel_size=3, padding=1)
        self.expand3x3_activation = nn.ReLU(inplace=True)

    def forward(self, x):
        x = self.squeeze_activation(self.squeeze(x))
        return torch.cat([
            self.expand1x1_activation(self.expand1x1(x)),
            self.expand3x3_activation(self.expand3x3(x))
        ], 1)

以上实现了SqeezeNet中最重要的Fire module,为搭建整体网络做好了准备。接下来定义SqueezeNet类,它同样继承自nn.Module,这里实现了version=1.0和version=1.1两个SqueezeNet版本。区别在于1.0只有 AlexNet的1/50的参数,而1.1在1.0的基础上进一步压缩,参数略微减少,计算量降低为1.0的40%左右。SqueezeNet类定义了如下属性:
1. num_classes:分类的类别个数
2. self.features:定义了主要的网络层,nn.Sequential()是PyTorch中的序列容器(sequential container),可以按照顺序将Modules添加到其中,这也是网络宏观架构实现的重要步骤。要理解这一部分代码,最好结合表1中的细节,并且自己计算一遍卷积操作后的feature map的尺寸。注意表1中的输入图片尺寸是 227227 而不是 224224 ,否则跟之后的输出尺寸对不上。
3. 注意nn.MaxPool2d()函数中ceil_mode=True会对池化结果进行向上取整而不是向下取整。
4. 最后一个卷积层的初始化方法与其他层不同,在接下来的for循环中,定义了不同层的初始化方法,可以看到,最后一层使用了均值为0,方差为0.01的正太分布初始化方法,其余层使用He Kaiming论文中的均匀分布初始化方法。同时这里使用了num_classes参数,可以调整分类类别数目。并且所有的bias初始化为零。
5. self.classifier:定义了网络末尾的分类器模块,注意其中使用了nn.Dropout()
6. forward()方法:可以看到由features模块和classifier模块构成。

class SqueezeNet(nn.Module):

    def __init__(self, version=1.0, num_classes=1000):
        super(SqueezeNet, self).__init__()
        if version not in [1.0, 1.1]:
            raise ValueError("Unsupported SqueezeNet version {version}:"
                             "1.0 or 1.1 expected".format(version=version))
        self.num_classes = num_classes
        if version == 1.0:
            self.features = nn.Sequential(
                nn.Conv2d(3, 96, kernel_size=7, stride=2),
                nn.ReLU(inplace=True),
                nn.MaxPool2d(kernel_size=3, stride=2, ceil_mode=True),
                Fire(96, 16, 64, 64),
                Fire(128, 16, 64, 64),
                Fire(128, 32, 128, 128),
                nn.MaxPool2d(kernel_size=3, stride=2, ceil_mode=True),
                Fire(256, 32, 128, 128),
                Fire(256, 48, 192, 192),
                Fire(384, 48, 192, 192),
                Fire(384, 64, 256, 256),
                nn.MaxPool2d(kernel_size=3, stride=2, ceil_mode=True),
                Fire(512, 64, 256, 256),
            )
        else:
            self.features = nn.Sequential(
                nn.Conv2d(3, 64, kernel_size=3, stride=2),
                nn.ReLU(inplace=True),
                nn.MaxPool2d(kernel_size=3, stride=2, ceil_mode=True),
                Fire(64, 16, 64, 64),
                Fire(128, 16, 64, 64),
                nn.MaxPool2d(kernel_size=3, stride=2, ceil_mode=True),
                Fire(128, 32, 128, 128),
                Fire(256, 32, 128, 128),
                nn.MaxPool2d(kernel_size=3, stride=2, ceil_mode=True),
                Fire(256, 48, 192, 192),
                Fire(384, 48, 192, 192),
                Fire(384, 64, 256, 256),
                Fire(512, 64, 256, 256),
            )
        # Final convolution is initialized differently form the rest
        final_conv = nn.Conv2d(512, self.num_classes, kernel_size=1)
        self.classifier = nn.Sequential(
            nn.Dropout(p=0.5),
            final_conv,
            nn.ReLU(inplace=True),
            nn.AvgPool2d(13)
        )

        for m in self.modules():
            if isinstance(m, nn.Conv2d):
                if m is final_conv:
                    init.normal(m.weight.data, mean=0.0, std=0.01)
                else:
                    init.kaiming_uniform(m.weight.data)
                if m.bias is not None:
                    m.bias.data.zero_()

    def forward(self, x):
        x = self.features(x)
        x = self.classifier(x)
        return x.view(x.size(0), self.num_classes)

在之后的代码中定义了完整的squeezenet1_0squeezenet1_1,如果需要的话,可以使用PyTorch的预训练模型。

def squeezenet1_0(pretrained=False, **kwargs):
    r"""SqueezeNet model architecture from the `"SqueezeNet: AlexNet-level
    accuracy with 50x fewer parameters and <0.5MB model size"
    `_ paper.

    Args:
        pretrained (bool): If True, returns a model pre-trained on ImageNet
    """
    model = SqueezeNet(version=1.0, **kwargs)
    if pretrained:
        model.load_state_dict(model_zoo.load_url(model_urls['squeezenet1_0']))
    return model


def squeezenet1_1(pretrained=False, **kwargs):
    r"""SqueezeNet 1.1 model from the `official SqueezeNet repo
    `_.
    SqueezeNet 1.1 has 2.4x less computation and slightly fewer parameters
    than SqueezeNet 1.0, without sacrificing accuracy.

    Args:
        pretrained (bool): If True, returns a model pre-trained on ImageNet
    """
    model = SqueezeNet(version=1.1, **kwargs)
    if pretrained:
        model.load_state_dict(model_zoo.load_url(model_urls['squeezenet1_1']))
    return model

Refference


  1. E.L Denton, W. Zaremba, J. Bruna, Y. LeCun, and R. Fergus. Exploiting linear structure within
    convolutional networks for efficient evaluation. In NIPS, 2014. ↩
  2. S. Han, J. Pool, J. Tran, and W. Dally. Learning both weights and connections for efficient neural
    networks. In NIPS, 2015b. ↩
  3. S. Han, H. Mao, and W. Dally. Deep compression: Compressing DNNs with pruning, trained
    quantization and huffman coding. arxiv:1510.00149v3, 2015a. ↩
  4. Song Han, Xingyu Liu, Huizi Mao, Jing Pu, Ardavan Pedram, Mark A Horowitz, and William J
    Dally. Eie: Efficient inference engine on compressed deep neural network. International Symposium
    on Computer Architecture (ISCA), 2016a. ↩
  5. Song Han, Jeff Pool, Sharan Narang, Huizi Mao, Shijian Tang, Erich Elsen, Bryan Catanzaro, John
    Tran, and William J. Dally. Dsd: Regularizing deep neural networks with dense-sparse-dense
    training flow. arXiv:1607.04381, 2016b. ↩

你可能感兴趣的:(深度学习论文笔记)