本篇文章涉及到的文献
- Residual Network(ResNet)
- Deep Residual Learning for Image Recognition[arXiv:1512.03385]
- Identity Mappings in Deep Residual Networks[arXiv:1603.05027]
- 2016_tutorial_deep_residual_networks
- ResNet-50 Architecture
- KaimingHe/deep-residual-networks
- CS231n 2017 lecture9
- BIGBALLON/cifar-10-cnn
妹纸：昨天试了一下VGG19,训练时间挺久的，不过效果不错。
花花：呜呜，前几天我们都在讲很基本的网络架构，今天我们讲稍微难一丢丢的。
妹纸：好啊，好啊！我猜是ResNet！
花花：你猜得真准(23333orz)。
最原始的 Residual Network
Residual Network,简称 ResNet(残差网络)，是MSRA 何凯明 团队设计的一种网络架构，在2015年的ILSVRC 和 COCO 上拿到了多项冠军，其发表的论文Deep Residual Learning for Image Recognition, 是 CVPR 2016 的最佳论文。
Residual Network的历史从这里开始。
卷积神经网络(Convolutional Neural Network)正不断朝着“Deep”这个方向发展，最早期的LeNet只有5层，后来VGG把深度增加到19层，而我们即将要介绍的ResNet，更是超过了100层。
人们不禁要问：
Is learning better networks as easy as stacking more layers？
不，事实并非如此
只是简单地增加网路的深度，不能得到很好的效果，甚至还会使误差增大：
多个datasets的测试表明，仅仅只是简单地堆叠卷积层，并不能让网络训练得更好。
按理来说，如果网络加深，training acc应该增大，而testing acc减小，但是上图并不是这么回事，于是乎，Kaiming He提出了Deep Residual Learning的架构。
关于残差模块(residual block)
这里Kaiming聚聚首先引入了一个残差模块(residual block)的概念
上图所示的Residual Block：
输入为 ，需要拟合的结果(输出)为
。
那么我们把输出差分为 ，也就是
再令 ,意思是
也是由
拟合而来，
那么最后的输出就变为 本来就是输入，
所以我们就只需要拟合 就好了。
如上图，原始的plain架构，我们用两层卷积层来模拟函数 ,
而在residual block中，我们用两层卷积层来模拟函数
举个例子：
输入 , 经过拟合后的输出为
那么残差就是
如果拟合的是恒等变换，即输入 ，输出还是
那么残差就是
而如上图所示，假设 从
经过两层卷基层(conv)之后变为
，
平原网络的变化率
而残差模块的变化率为
残差的引入去掉了主体部分，从而突出了微小的变化。我想这是他们敢说
We hypothesize that it is easier to optimize the residual mapping than to optimize
the original, unreferenced mapping
的原因。
有了残差模块(residual block)这个概念，我们再来设计网络架构，
架构很简单，基于VGG19的架构，我们首先把网络增加到34层，增加过后的网络我们叫做plain network，再此基础上，增加残差模块，得到我们的Residual Network
关于bottleneck
论文中有两种residual block的设计，如下图所示：
在训练浅层网络的时候，我们选用前面这种，而如果网络较深(大于50层)时，会考虑使用后面这种(bottleneck)，这两个设计具有相似的时间复杂度。
同样举个例子：
对于ImageNet而言，进入到第一个residual block的input为
采用左侧的两个 的卷积层：
参数量为
化简一下：
采用右侧的bottleneck：
参数量为
化简一下:
可以看到它们的参数量属于同一个量级，
但是这里bottleneck占用了整个network的「三层」，而原本只有「两层」，
所以这样就节省了大量的参数，
在大于50层的resnet中，他们使用了bottleneck这种形式。
具体细节如图所示：
如果你还有问题，参考这里 ResNet之Deeper Bottleneck Architectures
Identity mapping 改进
Kaiming He最初的paper，就是上面介绍的部分，但很快，他们又对ResNet提出了进一步的改进，这便是我们接下来要提到的paper：
Identity Mappings in Deep Residual Networks[arXiv:1603.05027]
我们来仔细分析一下Residual Block, 在这篇paper中也被叫为Residual Unit.
对于原始的 Residual Unit(block),我们有如下计算：
表示 第
个Residual Unit的输入，
则代表 第
个Residual Unit的输出
代表的某个变换，在这里是恒等变换，
代表residual function，
代表某种操作，在这里是ReLU
所以可以写成如下形式：
也就是Residual Unit一开始的做法了。
那如果，我们 是恒等变换呢，即
,那么有：
对于任意一层，我们都能用这个公式来表示：
这便是这篇paper的改进，把原本的ReLU，放到Residual Unit的conv前面去，而不是放在addition之后。
可以看到，在上图作者对cifar10进行的多组实验中，使用full pre-activation这种Residul Unit效果最佳，个人认为这张表格还是挺重要的，我们简单分析一下！
- (a)original：原始的结构
- (b)BN after addition：这是在做相反的实验，本来我们的目的是把ReLU移到旁路上去，这里反而把BN拿出来，这进一步破坏了主路线上的恒等关系，阻碍了信号的传递，从结果也很容易看出，这种做法不ok
- (c)ReLU before addition：将
变为恒等变换，最容易想到的方法就是将ReLU直接移动到BN后面，但这会出现一个问题，一个
(残差函数)的输出应该可以是
,但是经过ReLU之后就会变为
,这种做法的结果，也比(a)要差。
直接提上来似乎不行，但是问题反过来想， 在addition之后做ReLU，不是相当于在下一次conv之前做ReLU吗？
- (d)ReLU-only pre-activation：根据刚才的想法，我们把ReLU放到前面去，然而我们得到的结果和(a)差不多，原因是什么呢？因为这个ReLU层不与BN层连接使用，因此无法共享BN所带来的好处。
- (e)full pre-activation：啊，那要不我们也把BN弄前面去，惊喜出现了，我们得到了相当可观的结果，是的，这便是我们最后要使用的Unit结构！！！
代码实现
终于到了可以写代码的时候了，
还是放在我的 Github，测试只是用了50层，
使用GTX980TI，训练时间为 8 h 58 min
最后testing accuracy：94.10%
妹纸：哇，ResNet的residual block好帅气啊，何凯明简直是我男神！
花花：喔，他是所有人心中的男神！
妹纸：要训练9个小时啊，我周末试一下啊
花花：你的是1080TI，训练个毛9小时，我980TI才要9小时啊！！
妹纸：啊，反正是学长给配的
花花：啊，2333