【深度学习——BNN】：二值神经网络BNN——学习与总结

最近一直在做深度学习的FPGA布署，偶然研读到Bengio大神的著作《Binarized Neural Networks: Training Neural Networks with Weights and Activations Constrained to +1 or −1》：

链接：https://arxiv.org/abs/1602.02830

关于BNN，已经有不少前辈做了mark，根据这几天的学习，做了一下整理。

二值神经网络是在CNN的基础上，对权值和激活值（特征值）做二值化处理，即取值是+1或-1。BNN网络结构与CNN相同，主要在梯度下降、权值更新、卷积运算上做了一些优化处理。

1.二值化

所谓二值化，就是权值和激活值只能取+1或-1，作者指明，二值化，有两种方法：①Deterministic（确定法）；②Stochastic（统计法）。

Deterministic（确定法）：大于等于0，取+1；否则，取-1。

Stochastic（统计法）：以一定的概率 ，取+1，或-1。

虽然Stochastic（统计法）更合理，但是，实际操作需要用硬件生成随机数，比较困难，所以在这篇paper中，作者采用的是Deterministic（确定法）。

在前向传播过程中，经Deterministic（确定法）的Sign函数，可以将实数型的权值和激活值量化成+1，-1，当用于预测时，参数值仅为+1或-1，可以减小参数的内存占用和存取量；但是，训练时，仍需要对实数型的权值和激活值计算梯度，并以此更新权值。

2.权值更新

在权值更新之前，需要先了解一下前向传播的具体过程。作者在第一个算法中，给出了前向传播、梯度下降、权值更新的算法。

训练时的前向传播：二值网络训练时的权值参数W，必须包含实数型的参数，然后将实数型权值参数二值化得到二值型权值参数，即。然后利用二值化后的参数计算得到实数型的中间向量，该向量再通过Batch Normalization操作，得到实数型的隐藏层激活向量。如果不是输出层的话，就将该向量二值化。

求梯度：由于Sign(x)函数的梯度，几乎处处为0，这显然不利于反向传播，所以，作者采用straight-through estimator策略，即：

其中，表示的梯度，C表示损失函数。表示当|r|<=1时，Sign(r)的梯度等于1；否则，均为0。可见，这样处理，既保留了梯度信息，当r太大时，又取消梯度，加速网络的收敛。这就相当于，用HTanh(x)代替Sign(x)：

左图表示HTanh(x)函数，右图表示HTanh(x)梯度。

然后，基于链式法则，先求实数型激活值的梯度，再求出BatchNorm前的实数型中间向量梯度，以及BatchNorm参数的梯度，继而求出二值化的权值梯度，和前一层的二值化激活值梯度。（注：二值网络在对权值求梯度的时候，是对二值化后的权值求梯度，而不是对二值化前的实数型权值求梯度。这是因为二值化前的权值并没有真正的参与网络的前向传播过程）

 

训练时的权值更新：在求权值（W）梯度的时候是对二值化后的权值求梯度，但是在权值更新的时候，需要根据已知的二值化后的权值梯度，加上学习速率，对实数型权值进行更新。

3、乘法优化

Shift-based Batch Normalization：二值网络对Batch Normalization操作的优化主要是通过AP2(x)操作和<<>>操作来代替普通的乘法。AP2（x）的作用是求与x最接近的2的幂次方，如AP2(3.14)=4,AP2(2.5)=2;而<<>>操作就是位移操作。根据AP2（x）确定<<>>左移右移的位数，AP2（x）的操作，在作者给出的源码中能够找到；但是<<>>的操作，从源码中只能看到Torch的点乘函数cmul()。（注：Shift-based AdaMax中的乘法操作也是用上述两个操作代替 ）

前向传播：二值网络中最重要的乘法优化是前向传播中隐藏层的输出乘以权值W的乘法优化，也就是卷积优化。对于二值网络的卷积运算，只是+1与-1之间的乘累加运算，根据+1与-1的乘法运算真值表的特点，作者提出了“XNOR”代替“乘法”的优化方式。在源码中，也给出了两条对应的指令，即popcount和xnor。下图是论文中BNN的测试时前向传播算法。需要注意的是，只有输入层数据是8位二进制，而激活向量和权值矩阵中的元素全都是1位二进制表示的。因此，为了可以统一，输入层与第一层隐藏层之间的乘法也拆成“Xnor”的运算方式，即。（注：从作者给出的代码来看，似乎并没有采用这个操作，而是直接用普通的乘法。作者在论文中也说明了这一层的乘法的耗费很小。）

4.为什么可以用“Xnor”代替乘法？

我在这里做了一下推导，我们不妨先写出+1，-1的乘法运算真值表，和Xnor（同或）真值表：

不难发现，假如用0表示-1，那么原来的二值乘法运算，与Xnor的真值表，一毛一样。。。

如果，用数学表达式，描述这种转换关系的话，可以这样写：

所以，用“Xnor”代替乘法是合理、可行的！

但是，代码里是没有“xnor”的操作符的，所以作者在源码里，用“异或取反”代替，因为xnor本来就是“异非或”的意思。。。

举个例子，a=[1,-1, 1, 1, -1]，W=[-1,1,1,-1,-1]。按照正常的乘法应该是：

a1*w1+a2*w2+a3*w3+a4*w4+a5*w5=1*-1+-1*1+1*1+1*-1+-1*-1=-1

那么转成Xnor的计算方式，在程序中，a=[1,0,1,1,0],W=[0,1,1,0,0]表示的，具体运算过程如下：

a^W=[1^0,0^1,1^1,1^0,0^0]=[1,1,0,1,0]

Popcount(a^w)=3

-(2*Popcount(a^w)-5) = -1

Popcount(x)表示统计向量x中1的个数，我们知道0表示-1，1表示+1，所以，a和W异或求和，应该等于（Popcount-（5-Popcount））=2*Popcount-5=1，而我们要求的是Xnor求和，所以还需要在前面加个负号“-”，即-(2*Popcount(a^w)-5) = -1。

如果用vec_len表示向量元素个数的话，那么用xnor代替正常的乘累加（卷积），可以用通式：-(2*Popcount(a^w)-vec_len)来计算。

5.小结

总的来说，二值化神经网络BNN有一下几个特点：

① 减小内存占用：显然，权值和激活值二值化后，只需1bit即可表示，大幅度地降低了内存的占用。

② 降低功耗：因为二值化，原来32位浮点数，只需要1bit表示，存取内存的操作量降低了；其实，存取内存的功耗远大于计算的功耗，所以相比于32-bit DNN，BNN的内存占用和存取操作量缩小了32倍，极大地降低了功耗。

③减小面向深度学习的硬件的面积开销：XNOR代替乘法，用1-bit的XNOR-gate代替了原来的32-bit浮点数乘法，对面向深度学习的硬件来说，有很大影响。譬如，FPGA，原来完成一个32-bit的浮点数乘法需要大约200个Slices，而1-bit 的Xnor-gate 只需要1个Slice，硬件面积开销，直接缩小了200倍。

④速度快：作者专门写了一个二值乘法矩阵的GPU核，可以保证在准确率无损失的前提下，运行速度提高7倍。

参考代码：https://github.com/MatthieuCourbariaux/BinaryNet

参考博文：https://blog.csdn.net/linmingan/article/details/51008830