主要分类网络-面试整理
VGG
核心：
- VGGNet全部使用3x3的卷积核和2x2的池化核，通过不断加深网络结构来提升性能。网络层数的增长并不会带来参数量上的爆炸，因为参数量主要集中在最后三个全连接层中。同时，两个33卷积层的串联相当于1个55的卷积层，3个3x3的卷积层串联相当于1个7x7的卷积层，即3个3x3卷积层的感受野大小相当于1个7x7的卷积层。但是3个3x3的卷积层参数量只有7*7的一半左右，同时前者可以有3个非线性操作，而后者只有1个非线性操作，这样使得前者对于特征的学习能力更强
- 使用1x1的卷积层来增加线性变换，输出的通道数量上并没有发生改变。这里提一下1x1卷积层的其他用法，1x1的卷积层常被用来提炼特征，即多通道的特征组合在一起，凝练成较大通道或者较小通道的输出（升维和降维？），而每张图片的大小不变。有时1x1的卷积神经网络还可以用来替代全连接层
优点：多个小卷积替代大的，增加的非线性层，且参数量减少。
GoogleNet（Inception V1）
核心：
- 引入了Inception结构（融合不同特征的尺度信息）
- 1x1卷积降维
- 丢弃全连接层，使用全局平均池化
- 添加两个辅助分类器（softmax层）帮助训练
全局平均池化：对于输出的每一个通道的特征图的所有像素计算一个平均值。优点：降维、减少网络参数、正则、
收敛速度减慢
为什么使用全局平均池化层
Inception V2（2015）
- 两个3x3卷积代替5x5卷积
- 使用BN算法，可以提高大网络的收敛速度
- 1n和n1这种非对称卷积来代替n*n的对称卷积
- 增加滤波器输出的模块，来产生高维的稀疏特征（看不懂，啥意思？）
非对称卷积：非对称卷积不要用在靠近输入的层，会影响精度，要用在较高的层，这种方法不是哪儿都适用的，非对称卷积在图片大小介于12×12到20×20大小之间的时候，效果比较好，具体原因未知。
非对称卷积(googlenet系列)
Inception V3（2015.12）
- 在v2的基础上使用RMSProp优化、Label Smoothing技巧、7×7卷积分解以及对auxiliary classifier（辅助分类）加入BN层正则
- 并行的降维结构（使用多个conv和polling一起降维）
并行降维：操作会造成表达瓶颈问题，也就是说特征图的大小不应该出现急剧的衰减(只经过一层就骤降 ) 。如果出现急剧缩减，将会丢失大量的信息，对模型的训练造成困难。所以使用多个conv+polling一起来降维。
作者讲了很多的分类网络
Inception V4（2016.02）
- Stem模块、Inception-A模块、Inception-B模块、Inception-C模块（这些模块是由之前的v1、v2、v3的trick设计的）
- 融合了Residual模块（v1,v2,v3的Inception module来替换resnet shortcut中的bootleneck）
Xception （2016.10）
- 通道分离式卷积（没有正式提出？只是一种思想？）:模型参数有微量的减少，减少量很少：Inception V3是先做1x1的卷积，再做3x3的卷积，这样就先将通道进行了合并，即通道卷积，然后再进行空间卷积，而Xception则正好相反，先进行空间的3x3卷积，再进行通道的1x1卷积（也就是1x1卷积发挥了作用！！！-跨通道交互、聚合）
- RELU的有无
详解Inception结构：从Inception v1到Xception
[论文笔记] Inception V1-V4 系列以及 Xception
从Inception v1,v2,v3,v4,RexNeXt到Xception再到MobileNets,ShuffleNet,MobileNetV2,ShuffleNetV2,MobileNetV3
ResNet（2016）
核心：
- 引入了两种残差结构,解决深层网络的退化问题
- 缓解了梯度消失
网络结构： - resnet残差结构：（3x3 conv +3x3conv）和（1x1conv降维 +3x3conv + 1x1conv 升维）
- 瓶颈层（resnet残差结构）纯是为了节省计算量，对最终的模型精度并无影响
- 因为有时残差结构需要匹配维度，所以还有一种残差结构（当步长不为1或者输入和输出通道数不一致时触发）
ResNeXt（2017）
提出原因：
传统的要提高模型的准确率，都是加深或加宽网络，但是随着超参数数量的增加（比如channels数，filter size等等），网络设计的难度和计算开销也会增加
核心;
1.ResNeXt结合了inception与resnet的优点
2.分组卷积（优势）：参数量减少，分可以学习更多元的特征表示，此外分组的操作或许能起到网络正则化的作用。
SE Net（2017）、SE ResNet、 SE ResNeXt （2018）
核心：通道注意力SE模块、分组卷积
RegNetX和RegNetY
NAS（Neural Architecture Search）网络搜索技术非常火，但这对计算资源要求也比较高（都是大厂玩的东西）。包括这篇论文中的RegNet也有使用到NAS技术。但在论文中作者一再强调这篇论文与之前的一些NAS论文不同（例如MobileNetv3，EfficientNet），之前的一些有关NAS的论文都是在给定的设计空间（designed search space）中通过搜索算法去搜索出一组最佳参数组合。但在这篇论文中作者要探究的是如何去设计设计空间（design design spaces）并发现一些网络的通用设计准则（network design principles），而不是仅仅去搜索出一组参数.(即如何从一个给定的原始设计空间AnyNet一步步探索出最终的RegNet空间）
-
RegNetX的网络结构（stem+body+head）
- stem就是一个普通的卷积层（默认包含bn以及relu），卷积核大小为3x3，步距为2，卷积核个数为32.
- body就是由4个stage堆叠组成，如图（b）所示。每经过一个stage都会将输入特征矩阵的height和width缩减为原来的一半。而每个stage又是由一系列block堆叠组成，每个stage的第一个block中存在步距为2的组卷积（主分支上）和普通卷积（捷径分支上），剩下的block中的卷积步距都是1，和ResNet类似。
- head就是分类网络中常见的分类器，由一个全局平均池化层和全连接层构成。
-
RegNetY在block中的Group Conv后接了个SE（Squeeze-and-Excitation）模块（类似于EfficientNet吧）
RegNet网络结构与搭建
ResNeSt（2020）
ResNeSt看上去像ResNeXt 和 SKNet 的结合体
从ResNet、DenseNet、ResNeXt、SE Net、SE ResNeXt 演进学习总结
ResNet家族：ResNet、ResNeXt、SE Net、SE ResNeXt（讲的很细）
DenseNet（2017）
核心;
建立了不同层之间的连接关系（每一层的输入来自前面所有层的输出），充分利用了feature，进一步减轻了梯度消失问题，加深网络不是问题，而且训练效果非常好。
利用bottleneck layer(1x1conv)，Translation layer(倍率减少维度）以及较小的growth rate（固定输出特征图的个数-特征维度？）使得网络变窄，参数减少，有效抑制了过拟合，同时计算量也减少
1、减轻了vanishing-gradient（梯度消失）
2、加强了feature的传递
3、更有效地利用了feature
4、一定程度上较少了参数数量
MobileNet（2017）
核心：
- 将Xception中通道分离卷积的思想应用，提出深度可分离卷积
- 使用超参数a，b；a控制卷积核个数，b控制图像尺寸
- 网络是参照VGG修改的，所以没有残差结构，有人说MobileNet v1网络中的DW卷积很容易训练废掉，效果并没有那么理想
MobileNetv2（google 2018年）
- 与resnet的残差结构相比，提出了逆向的残差结构（Inverted residuals–
1*1conv升维+3*3DW conv+1*1conv降维） - 提出了线性瓶颈单元（linear bottlenecks）（去掉残差结构最后一个relu6，因此称为线性单元）
- 并不是所有的倒残差结构都有shortcut连接（Add），只有当stride=1且输入特征矩阵与输出特征矩阵shape相同时才有shortcut连接（只有当shape相同时，两个矩阵才能做加法运算，当stride=1时并不能保证输入特征矩阵的channel与输出特征矩阵的channel相同）
为什么使用逆向残差：原文说高维信息通过ReLU激活函数后丢失的信息更少。减少参数，增强非线性表达能力（我觉得原本的残差结构参数更少吧）
为什么使用线性单元：防止非线性破坏太多信息
MobileNetv3（google 2019年）
MobileNetV3的网络基础模块，包括深度可分离卷积（depthwise separable convolutions），逆向残差模块（inverted residual structure），线性瓶颈模块（linear bottleneck），**挤压模块（Squeeze-And-Excite）**等都是借鉴的mobile v1，v2，SENet等网络结构。基于这些网络结构的基础组件，采用NAS(network architecture search)的方式，搜索得到MobileNetV3-Large 和MobileNetV3-Small这2个网络结构。
- 激活函数更新优化，v3在网络层比较靠后的位置（靠后的层维度高，计算量更大）使用h-swish激活函数（相对于swish激活函数计算量更少）。
MobileNet(v1、v2)网络详解与模型的搭建
轻量级网络模型之MobileNet系列
ShuffleNet（2017）
使用group convolution的网络有很多，如Xception，MobileNet，ResNeXt等。其中Xception和MobileNet采用了depthwise convolution，这是一种比较特殊的group convolution，此时分组数恰好等于通道数，意味着每个组只有一个特征图。但这些网络存在一个很大的弊端：采用了密集的1x1 pointwise convolution（计算量还是较大）
group convolution层另一个问题是不同组之间的特征图需要通信，否则就好像分了几个互不相干的路，大家各走各的，会降低网络的特征提取能力，这也可以解释为什么Xception，MobileNet等网络采用密集的1x1 pointwise convolution，因为要保证group convolution之后不同组的特征图之间的信息交流
- mobileNet只做了3x3卷积的deepwise convolution，而1x1的卷积还是传统的卷积方式，还存在大量冗余，ShuffleNet则在此基础上，将1*1卷积做了shuffle和group操作，实现了channel shuffle 和pointwise group convolution操作（其实就是引入了1x1分组卷积），最终使得速度和精度都比mobileNet有提升
- block：
1*1 group conv升维+channel shuffle+3*3DW conv+1*1 group conv降维 - 注意相对于基本ResNet轻量级结构，3x3的depthwise convolution之后没有使用ReLU激活函数
- 注意步长为1和步长为2使用不同的残差结构：对于每个阶段，第一个基本单元采用的是stride=2（残差使用Add），这样特征图width和height各降低一半，而通道数增加一倍。后面的基本单元都是stride=1（残差使用Concat），特征图和通道数都保持不变。对于基本单元来说，其中瓶颈层，就是3x3卷积层的通道数为输出通道数的1/4，这和残差单元的设计理念是一样的。
channel shuffle：对group convolution之后的特征图进行“重组”，这样可以保证接下来采用的group convolution其输入来自不同的组，因此信息可以在不同组之间流转（具体操作需要看源代码）
shuffleNet系列
ShuffleNetv2（2018旷视）
提出原因：
单纯的乘加运算FLOPs并不能完全表示模型的运算速度，访存开销memory access cost（MAC）也应该考虑进去
核心：
- 设计网络的4个原则
单个模块的输入输出通道相同，可以最小化访存开销(MAC)
过量使用组卷积group convolution ，会增加MAC
网络的分支越多，并行度越差
Element-wise 操作的时间是不可忽略的 - 最终结论
使用平衡的卷积，（相同的输入，输出通道数）
组卷积的group数要谨慎设计
减少网络的并行度，减少碎片化（如Inception，以及Auto ML自动产生的网络）
减少Element-wise 操作（元素级操作） - 具体做法（和v1相比）：
v2中的传统模块增加了channel split（将通道分成了c-c’和c’两个通道，实验中，c’=c/2，其中一个分支直接恒等映射），实现输入和输出通道相同。
传统模块中将add操作转化为concat操作，有助于增加信息量，减少运算量（这只是在这里是这样吧，一般情况下concat的运算量更高吧）
将Group conv换成了普通的conv，可以减少group数，减少MAC
将channle shuffle操作移到残差模块的最后来做
残差结构也是使用两种结构，但都使用Concat
从Inception v1,v2,v3,v4,RexNeXt到Xception再到MobileNets,ShuffleNet,MobileNetV2,ShuffleNetV2,MobileNetV3
EfficientNetv1（google 2019）和v2（google 2021）
EfficientNet网络详解
EfficientNetV2网络详解
RepVGG（2021CVPR）
核心：
- 在VGG网络的Block块中加入了Identity和残差分支，相当于把ResNet网络中的精华应用 到VGG网络中；
- 模型推理阶段，通过Op融合策略（结构重参数化）将所有的网络层都转换为Conv3*3，便于模型的部署与加速。
- 该论文中的包含的亮点包括：（1）网络训练和网络推理阶段使用不同的网络架构，训练阶段更关注精度，推理阶段更关注速度。
网络为什么要这么设计？训练时要采用多分支结构，推理时将多分支模型转换成单路模型？
-
训练时要采用多分支结构，丰富了梯度的流动性，增强模型的表征能力。
-
推理采用单路模型会更快、更省内存并且更加的灵活。
- 更快：主要是考虑到模型在推理时硬件计算的并行程度以及MAC（memory access cost），对于多分支模型，硬件需要分别计算每个分支的结果，有的分支计算的快，有的分支计算的慢，而计算快的分支计算完后只能干等着，等其他分支都计算完后才能做进一步融合，这样会导致硬件算力不能充分利用，或者说并行度不够高。而且每个分支都需要去访问一次内存，计算完后还需要将计算结果存入内存（不断地访问和写入内存会在IO上浪费很多时间）。
- 更加灵活：对于多分支的模型，结构限制较多剪枝很麻烦，而对于Plain结构的模型就相对灵活很多，剪枝也更加方便。
- 多分支转化成单路模型后很多算子进行了融合（比如Conv2d和BN融合），使得计算量变小了，而且算子减少后启动kernel的次数也减少了（比如在GPU中，每次执行一个算子就要启动一次kernel，启动kernel也需要消耗时间）。而且现在的硬件一般对3x3的卷积操作做了大量的优化，转成单路模型后采用的都是3x3卷积，这样也能进一步加速推理。
结构重参数化
- 将残差块中的
3*3卷积层和BN层进行融合（其实就是通过BN的计算公式和卷积的计算做的线性融合）； - 将另一分支的
1*1卷积转换为3*3卷积（对1*1卷积周围补0）； - 对最后一个分支的BN层，先构建一个
3*3卷积，再用卷积和BN融合公式； - 最后合并所有分支的
3*3卷积。即将所有分支的权重W和偏置B叠加起来，从而获得一个融合之后的Conv3*3网络层。
RepVGG算法实现步骤
- 获取并划分训练数据集，并对训练集执行数据增强操作；
- 搭建RepVGG训练网络，训练分类网络，直到网络收敛为止；
- 加载训练好的网络，对该网络执行重参数化操作，具体的细节如上节所述；
- 加载重参数化后的模型，执行模型推理。
RepVGG算法存在的一些问题
（1）从训练阶段转推理阶段之前，需要执行模型重参数化操作；（2）在模型重参数化过程中会增加一些额外的计算量；（3）由于每个残差块中引入了多个残差分支，网络的参数量也增加了一些。
RepVGG网络简介
RepVGG算法详解
ConvNeXt（2022CVPR）
ConvNeXt使用的全部都是现有的结构和方法，没有任何结构或者方法的创新。论文中的作者认为可能是随着技术的不断发展，各种新的架构以及优化策略促使Transformer模型的效果更好，然后对标Swin Transformer的设计用卷积进行了一系列的仿照实验。
首先利用训练 vision Transformers 的策略去训练原始的ResNet50 模型，提升了许多：AdamW优化器进行了300轮训练并使用 cosine衰减学习率调度器，前20轮进行了预热。批量大小为1024，初始化学习率为 0.001，0.05的权重衰退。我们在训练的是时候用了 [63]中的绝大多数数据增强和正则化策略。除了与在 [31]中重复的数据增强操作和 [45]中的EMA，这些没有带来性能提升。注意这点和 [63]相反，在 [63]中重复的数据增强对ViT的稳定训练是至关重要的。（ [63]、[31]、[45]均为Swin Transformer论文的参考文献）。
ConvNeXt的改进策略
-
macro design：改变stage的比率、改变stem结构（卷积核大小为4x4步距为4）
-
ResNeXt：作者采用的是更激进的depthwise convolution，认为depthwise convolution和self-attention中的加权求和操作很相似。
-
inverted bottleneck：作者认为Transformer block中的MLP模块非常像MobileNetV2中的Inverted Bottleneck模块，即两头细中间粗。（但作者修改了一下顺序）
-
large kerner size：作者将depthwise conv的卷积核大小由3x3改成了7x7（和Swin Transformer一样）
-
various layer-wise micro designs：和Transformer一样，使用GELU替换ReLU；使用更少的激活函数（但在Transformer中并不是每个模块后都跟有激活函数）；使用更少的Normalization；将BN替换成LN；在Swin Transformer中是通过一个单独的Patch Merging实现下采样，ConvNext网络也单独使用了一个下采样层卷积核大小为2步距为2的卷积。
ConvNeXt网络详解