这里有一个交互式版本

https://github.com/FrancescoSaverioZuppichini/BottleNeck-InvertedResidual-FusedMBConv-in-PyTorch/blob/main/README.ipynb

所有这些模块都已在库中实现

今天，我们将看到现代CNN架构中使用的不同模块，如ResNet、MobileNet、EfficientNet，以及它们在PyTorch中的实现。

让我们创建一个通用的conv-norm-act层

from functools import partial
from torch import nnclass ConvNormAct(nn.Sequential):def __init__(self,in_features: int,out_features: int,kernel_size: int,norm: nn.Module = nn.BatchNorm2d,act: nn.Module = nn.ReLU,**kwargs):super().__init__(nn.Conv2d(in_features,out_features,kernel_size=kernel_size,padding=kernel_size // 2,),norm(out_features),act(),)Conv1X1BnReLU = partial(ConvNormAct, kernel_size=1)
Conv3X3BnReLU = partial(ConvNormAct, kernel_size=3)
import torchx = torch.randn((1, 32, 56, 56))Conv1X1BnReLU(32, 64)(x).shape

torch.Size([1, 64, 56, 56])

残差连接

残差连接用于ResNet中，想法是将输入添加到输出中，输出=层+输入。

下图可能会帮助你将其可视化。但是，我的意思是它只是一个+运算符。残差操作提高了梯度传播的能力，允许有效地训练具有100层以上的网络。

在PyTorch中，我们可以轻松创建一个ResidualAdd层

from torch import nn
from torch import Tensorclass ResidualAdd(nn.Module):def __init__(self, block: nn.Module):super().__init__()self.block = blockdef forward(self, x: Tensor) -> Tensor:res = xx = self.block(x)x += resreturn xResidualAdd(nn.Conv2d(32, 32, kernel_size=1)
)(x).shape

shortcut

有时你的残差没有相同的输出维度，所以我们不能添加它们。

我们可以使用shortcut中的卷积投射输入，以匹配输出特征：

from typing import Optionalclass ResidualAdd(nn.Module):def __init__(self, block: nn.Module, shortcut: Optional[nn.Module] = None):super().__init__()self.block = blockself.shortcut = shortcutdef forward(self, x: Tensor) -> Tensor:res = xx = self.block(x)if self.shortcut:res = self.shortcut(res)x += resreturn xResidualAdd(nn.Conv2d(32, 64, kernel_size=1),shortcut=nn.Conv2d(32, 64, kernel_size=1)
)(x).shape

BottleNeck Blocks

在图像识别的深度残差学习中引入了Bottlenecks。Bottlenecks块接受大小为BxCxHxW的输入，它首先使用1x1 卷积将其变为BxC/rxHxW，然后应用3x3 卷积，最后将输出重新映射到与输入相同的特征维度BxCxHxW，然后再次使用1x1卷积。这比使用三个3x3卷积更快。

因为首先减少了输入，所以我们称之为“Bottlenecks”。下图显示了该块，我们在原始实现中使用了r=4

前两个卷积之后是batchnorm和一个非线性激活层，而最后一个非线性层在加法后应用。

在PyTorch中为：

from torch import nnclass BottleNeck(nn.Sequential):def __init__(self, in_features: int, out_features: int, reduction: int = 4):reduced_features = out_features // reductionsuper().__init__(nn.Sequential(ResidualAdd(nn.Sequential(# wide -> narrowConv1X1BnReLU(in_features, reduced_features),# narrow -> narrowConv3X3BnReLU(reduced_features, reduced_features),# narrow -> wideConv1X1BnReLU(reduced_features, out_features, act=nn.Identity),),shortcut=Conv1X1BnReLU(in_features, out_features)if in_features != out_featureselse None,),nn.ReLU(),))BottleNeck(32, 64)(x).shape

请注意，仅当输入和输出特征不同时，我们才应用shortcut。

在实践中，当我们希望减小空间维数时，在卷积中使用stride=2。

Linear BottleNecks

MobileNet V2中引入了Linear Bottleneck。Linear BottleNecks是没有激活函数的Bottlenecks块。

https://arxiv.org/abs/1801.04381

在论文的第3.2节中，他们详细讨论了为什么在输出之前存在非线性会损害性能。简而言之，非线性函数ReLU在<0时设为0会导致破坏信息。因此，在Bottlenecks中删除nn.ReLU你就可以拥有Linear BottleNecks。

倒残差

MobileNet V2中再次引入了倒残差。

https://arxiv.org/abs/1801.04381

倒残差块是反向的Bottlenecks层。它们通过第一次卷积扩展特征，而不是减少特征。

下图应该可以清楚地说明这一点

我们从BxCxHxW到->BxCxHxW->BxCxHxW->BxCxHxW，其中e是膨胀率，它被设置为4。而不是像在正常的Bottlenecks区那样变宽->变窄->变宽，而是相反，变窄->变宽->变窄。

在PyTorch中，实现如下

class InvertedResidual(nn.Sequential):def __init__(self, in_features: int, out_features: int, expansion: int = 4):expanded_features = in_features * expansionsuper().__init__(nn.Sequential(ResidualAdd(nn.Sequential(# narrow -> wideConv1X1BnReLU(in_features, expanded_features),# wide -> wideConv3X3BnReLU(expanded_features, expanded_features),# wide -> narrowConv1X1BnReLU(expanded_features, out_features, act=nn.Identity),),shortcut=Conv1X1BnReLU(in_features, out_features)if in_features != out_featureselse None,),nn.ReLU(),))InvertedResidual(32, 64)(x).shape

在MobileNet中，只有当输入和输出特征匹配时，才会应用残差连接

class MobileNetLikeBlock(nn.Sequential):def __init__(self, in_features: int, out_features: int, expansion: int = 4):# use ResidualAdd if features match, otherwise a normal Sequentialresidual = ResidualAdd if in_features == out_features else nn.Sequentialexpanded_features = in_features * expansionsuper().__init__(nn.Sequential(residual(nn.Sequential(# narrow -> wideConv1X1BnReLU(in_features, expanded_features),# wide -> wideConv3X3BnReLU(expanded_features, expanded_features),# wide -> narrowConv1X1BnReLU(expanded_features, out_features, act=nn.Identity),),),nn.ReLU(),))MobileNetLikeBlock(32, 64)(x).shape
MobileNetLikeBlock(32, 32)(x).shape

MBConv

MobileNet V2的构建块被称为MBConv。MBConv是具有深度可分离卷积的倒残差的Linear BottleNecks层。

深度可分离卷积

深度可分离卷积采用一种技巧，将一个正常的3x3卷积夹在两个卷积中，以减少参数数量。

第一个对每个输入的通道应用单个3x3滤波器，另一个对所有通道应用1x1滤波器。

这与正常的3x3卷积相同，但你节省了参数。

然而它比我们现有硬件上的普通3x3慢得多。

下图显示了这个想法

通道中的不同颜色表示每个通道应用的单个过滤器

PyTorch中：

class DepthWiseSeparableConv(nn.Sequential):def __init__(self, in_features: int, out_features: int):super().__init__(nn.Conv2d(in_features, in_features, kernel_size=3, groups=in_features),nn.Conv2d(in_features, out_features, kernel_size=1))DepthWiseSeparableConv(32, 64)(x).shape

第一次卷积通常称为depth，而第二次卷积称为point。让我们统计参数量

sum(p.numel() for p in DepthWiseSeparableConv(32, 64).parameters() if p.requires_grad)

输出：2432

让我们看一个普通的Conv2d

sum(p.numel() for p in nn.Conv2d(32, 64, kernel_size=3).parameters() if p.requires_grad)

输出：18496

有很大的区别

实现MBConv

那么，让我们创建一个完整的MBConv。

MBConv有几个重要的细节，标准化应用于深度和点卷积，非线性仅应用于深度卷积（Linear Bottlenecks）。

class MBConv(nn.Sequential):def __init__(self, in_features: int, out_features: int, expansion: int = 4):residual = ResidualAdd if in_features == out_features else nn.Sequentialexpanded_features = in_features * expansionsuper().__init__(nn.Sequential(residual(nn.Sequential(# narrow -> wideConv1X1BnReLU(in_features, expanded_features,act=nn.ReLU6),# wide -> wideConv3X3BnReLU(expanded_features, expanded_features, groups=expanded_features,act=nn.ReLU6),# here you can apply SE# wide -> narrowConv1X1BnReLU(expanded_features, out_features, act=nn.Identity),),),nn.ReLU(),))MBConv(32, 64)(x).shape

Fused MBConv

EfficientNetV2中引入了融合倒残差：

https://arxiv.org/abs/2104.00298

所以基本上，由于深度卷积比较慢，他们将第一个和第二个卷积融合在一个3x3的卷积中（第3.2节）。

class FusedMBConv(nn.Sequential):def __init__(self, in_features: int, out_features: int, expansion: int = 4):residual = ResidualAdd if in_features == out_features else nn.Sequentialexpanded_features = in_features * expansionsuper().__init__(nn.Sequential(residual(nn.Sequential(Conv3X3BnReLU(in_features, expanded_features, act=nn.ReLU6),# here you can apply SE# wide -> narrowConv1X1BnReLU(expanded_features, out_features, act=nn.Identity),),),nn.ReLU(),))MBConv(32, 64)(x).shape

结论

现在你应该知道所有这些块之间的区别以及它们背后的原因了！强烈建议你阅读与他们相关的论文

有关ResNet的更详细检测，请查看：

https://towardsdatascience.com/residual-network-implementing-resnet-a7da63c7b278

☆ END ☆

如果看到这里，说明你喜欢这篇文章，请转发、点赞。微信搜索「uncle_pn」，欢迎添加小编微信「 woshicver」，每日朋友圈更新一篇高质量博文。

↓扫描二维码添加小编↓