【网络结构设计】7、RepVGG | 使用结构重参数化来实现精度和速度平衡的主干网络

论文：RepVGG: Making VGG-style ConvNets Great Again

代码：https://github.com/megvii-model/RepVGG

出处：CVPR2021 | 清华大学 旷世

RepVGG 的贡献：

• 使用结构重参数化的方法将训练和推理结构进行解耦，训练使用多分支结构，推理使用单分支结构，实现了一个 speed-accuracy trade-off 的简单网络结构
• 在分类和分割上展示了良好的效果，且易于部署

一、背景

随着 Inception、ResNet、DenseNet 等方法的提出，卷积神经网络越来越复杂，还有一些基于自动或手动框架选择，虽然这些复杂的网络能够带来好的效果，但仍然会有很多问题：

• 复杂的多分支网络让模型更复杂，执行或定制起来更难，降低推理效率
• 很多组件（如 depthwise、Xception、MobileNet等）会提高显存，在一些设备上难以支持，虽然这些方法都验证了自己的 FLOPs，但该指标并不能准确的反应其真实的速度，有些在指标上快于 VGG 和 ResNet，但实际跑起来也不一定快。

所以本文提出了 RepVGG，是一个 VGG-style 的结构，有如下优势：

• RepVGG 和 VGG 结构类似，没有旁路分支
• 只使用了 3x3 conv 和 ReLU
• 整个具体的结构没有使用自动查找、微调等，也没有复杂的设计

RepVGG 面临的问题：

• 只用单路的结构很难打得过 resnet 那种多路的结构，resnet 的多路结构能保证其梯度传递

RepVGG 如何解决上述问题：结构重参数化（训练和推理使用不同的结构）

• 既然多路结构有利于训练，那么就使用多路结构来训练，如图 2B 所示，使用 1x1 conv 和恒等映射作为旁路
• 但多路结构不利于推理，那么就使用单路结构来推理，如图 2C 所示，只有 3x3 conv + ReLU

二、方法

2.1 使用简单结构的卷积神经网络的三个原因

• Fast：VGG-16 has 8.4× FLOPs as EfficientNet-B3 [35] but runs 1.8× faster on 1080Ti
• Memory-economical：使用多分支（如分支相加），其显存占用就约为输入的 2x
• Flexible：ResNet 强调需要将模型设置为残差结构，限制了网络的灵活性，比如在残差相加时，两个相加的 tensor 必须等大，且多分支结构难以使用通道剪枝等等

2.2 使用多分支结构的训练时长

• ResNet 其实很严格的验证了使用恒等映射可以很好的实现模型能力的增加，每个 block 都有一个高速通路，假设有 n 个 blocks，那么就可以得到 $2^n$ 个模型，为什么呢，因为每个 block 有两个通道。

虽然多分支的结构在推理的时候效率严重不足，但其胜在训练的效果，所以 RepVGG 在训练的时候选择了多分支结构，而且选择的是 3 分支结构（比 ResNet 还多一个分支）：

• 一个主分支
• 一个 1x1 conv 分支
• 一个恒等映射分支

所以 RepVGG 训练的 block 可以表示为：$y=x+g(x)+f(x)$

当有 n 个 blocks 时，相当于有 $3^n$ 个模型

2.3 边端设备推理的重参数化

RepVGG 如何在推理阶段进行重参数化呢？

• 将 3 分支网络等价转换，简化成单分支网络
• 具体实现方法是依据卷积核的可加性，先对卷积 “吸BN”（即将 conv+bn 转换成一个带 bias 的 conv），然后将三个卷积以中心点为基准相加，将 3 个卷积合并为 1 个

具体做法如下：

首先介绍一下使用的符号：

• $W^{(3)}\in R^{C_2\times C_1\times 3\times 3}$：表示 3x3 conv，输入通道为 $C_1$，输出通道为 $C_2$
• $W^{(1)}\in R^{C2\times C1}$：表示 1x1 卷积
• ${\mu }^{(3)}，{\sigma }^{(3)}，{\gamma }^{(3)}，{\beta }^{(3)}$ ：表示跟在 3x3 conv 后面的 BN 的均值、标准差、尺度因子、偏置
• ${\mu }^{(1)}，{\sigma }^{(1)}，{\gamma }^{(1)}，{\beta }^{(1)}$ ：表示跟在 1x1 conv 后面的 BN 的均值、标准差、尺度因子、偏置
• ${\mu }^{(0)}，{\sigma }^{(0)}，{\gamma }^{(0)}，{\beta }^{(0)}$ ：表示跟恒等映射的 BN 的均值、标准差、尺度因子、偏置

假设：

• 输入为 $M^{(1)}\in R^{N\times C_1\times H_1\times W_1}$

• 输出为 $M^{(2)}\in R^{N\times C_2\times H_2\times W_2}$

• 在 C/H/W 输入输出相同时，则有如下结论：
  

• 当不使用恒等映射分支时，则只有前两项，此时的 bn 是推理时的 BN，形式如下：
  

• 将每个 BN 和其前面的 conv 可以转换成一个【conv with bias vector】，假设 $\{W^{\prime },b^{\prime }\}$ 分别为 从 $W,\mu ,\sigma ,\gamma ,\beta$ 转换而来的 kernel 和 bias，则有：
  

这种变换同样可以被用于恒等映射分支，因为恒等映射分支可以被看做一个 【1x1 conv with an identity matrix as the kernel】

经过这种变换后，就能得到：

• 1 个 3x3 kernel
• 2 个 1x1 kernel
• 3 个 bias vectors

然后：

• 将 3 个 bias vectors 相加，就能得到最终的 bias
• 将 2 个 1x1 kernels 和 1 个 3x3 kernels 相加（边缘补 0），就能得到最终的 3x3 kernel

2.4 结构细节

表 2 展示了 RepVGG 的设计细节，包括宽度和深度，其中主要使用了 3x3 conv，没有使用 max pooling。

深度：

• 有 5 个 stages，每个 stage 的第一层的 3x3 conv 会下采样 2 倍
• RepVGG-A：每个 stage 分别有 1,2,4,14,11 层（对比 ResNet-18/34/50）
• RepVGG-B：每个 stage 分别有 1,4,6,16,11 层（对比更大的模型）
• 第一个和最后一个 block 没有增加层数的原因在于，第一层图分辨率很大，容易带来耗时，最后一层通道很多，也同样带来耗时

宽度：

• 每个 stage 的基础通道数设置为 [64, 128, 256, 512]
• 使用 $a$ 作为前 4 层的缩放比，$b$ 作为最后一层的缩放比，且一般 $b>a$
• 为了进一步降低参数和耗时，使用了分组卷积，给 RepVGG-A 的 3/5/7…/21 层设置了分组数 $g$，给 RepVGG-B 的 23/25/27 层也设置了分组数 $g$
  

三、效果

不同版本的 RepVGG 结构如下：

从实验上证明重参数化的强大效果，所有模型都训练 120 个 epochs

1、移除 RepVGG-B0 的恒等映射分支/1x1 conv 分支，来看训练模型的效果，如表 6：

• 两个分支都移除后，训练模型准确度跌到 72.39%
• 使用 1x1 分支升到 73.15%
• 使用恒等映射升到 74.79%
• 使用 3 个分支升到 75.14%。

2、移除恒等映射分支/1x1 conv 分支后，看推理速度，如表 7：