文章转载于:知乎
作者:金雪锋
本周(12月6日至12日)国际人工智能顶级会议NeurIPS 2020(Conference on Neural Information Processing Systems, 神经信息处理系统大会)正在线上如火如荼的进行中。本届会议无论是论文投稿数量还是接受率都创下了历史记录。随着卷积神经网络的广泛使用和在视觉类应用的巨大成功，如何克服计算和存储资源限制将卷积神经网络部署到智能手机和穿戴设备等端侧设备的模型轻量化技术越发重要。本文将对华为诺亚方舟实验室入选NeurIPS 2020的模型轻量化技术工作进行介绍，涵盖了剪枝、结构蒸馏以及量化等几个方向，并且放出对应MindSpore首发端侧模型获取链接：
感谢琪瑞提供的素材。
SCOP：Scientific Control for Reliable Neural Network Pruning
现有的剪枝方法基于各种假设条件近似估计神经网络节点对整体网络的重要性然后进行节点剪枝，往往存在结果不可靠而导致网络精度下降。华为诺亚方舟实验室和北京大学联合提出了一种科学控制机制最小化剪枝节点对网络输出的影响。采用这种剪枝方法，能够实现ImageNet数据集上仅损失ResNet101网络0.01%的top-1准确率，模型参数量和计算量分别减少57.8%和60.2%，显著优于SOTA方法[1]。
原理
对于剪枝方法，最重要的过程是评估卷积神经网络节点的重要性，在尽量不影响预训练网络性能的前提下删除不重要的网络节点。一种典型的节点重要性评估假设是权重Norms越小节点重要性低进而被剪掉[2][3]。考虑到输入数据，有的剪枝方法评估网络节点和最终损失函数之间的关系并用泰勒展开进行近似，保留与最终损失函数关系更密切的节点[4]。但是这些方法都会不可避免的引入大量潜在影响因子，最终影响剪枝过程，例如不同信道之间的相互依赖可能误导基于权重Norms的方法，因为一些不含重要信息的节点权重Norms很大，基于输入数据的方法的权重重要性对数据很敏感，剪枝结果不稳定。
本论文提出一种可靠剪枝方法，构建一种科学控制机制减少所有潜在不相关因子的影响。SCOP的具体流程如下图1.1，首先生成Knockoff数据和每一层Knockoff特征，Knockoff数据或特征定义如下公式(1-1)和(1-2)，分别表示当交换Knockoff数据或特征与真实数据或特征的相应位置元素时其联合分布不变，以及Knockoff数据或特征与真实数据或特征具有相似的分布但是与真实标签相互独立。
本文通过推理证明对于卷积神经网络，当输入数据为Knockoff数据，相同的网络，其中任意一层的输出特征均为原始真实特征的Knockoff特征。然后将每一层Knockoff特征与真实特征进行线性加权共同作为下一层的输入，固定预训练网络权重，在真实标签的监督下学习每一层Knockoff特征和真实特征的加权系数和。接着根据加权系数判断相应特征的重要性，由于Knockoff特征不包含真实标签信息，因而如果真实特征的加权系数小于相应则认为该节点不重要可以减掉。最后根据上一步节点重要性结果和剪枝比例进行节点删除，排除了其他潜在因子的影响，保留节点与期望网络输出相关性更高。进一步可以把保留网络在数据集进行微调提升网络性能。
图1.1. 科学控制下的剪枝流程
结果
将本文提出的SCOP在公开数据集ImageNet上进行实验，对ResNet系列网络预训练模型进行剪枝验证了SCOP的有效性，实验结果如下表1.1。
表1.1. SCOP在ImageNet数据集实验结果
相比于现有SOTA剪枝方法GAL[5]和PFP[6]，SCOP方法得到的剪枝后网络无论是网络精度还是模型大小即参数量减少比例都表现出很大的优势。
使用SCOP算法在Oxford-IIIT Pet数据集对ResNet50网络剪枝的网络resnet-0.65x\_v1.0\_oxford\_pets已基于MindSpore首发，可分别从MindSpore modelzoo 和Hub获取训练代码和模型。
代码链接：https://gitee.com/mindspore/mindspore/tree/master/model\_zoo/research/cv/resnet50\_adv\_pruning
模型链接：
https://www.mindspore.cn/resources/hub/details?noah-cvlab/gpu/1.0/resnet-0.65x\_v1.0\_oxford\_pets
Residual Distillation: Towards Portable Deep Neural Networks without Shortcuts
ResNet通过引入残差连接，使得我们可以有效地训练几十到上百层的网络结构。但与此同时，也不可避免的引入了额外的计算消耗。比如当进行在线推理时，ResNet50中的残差占据了特征图整体内存消耗的大约40%，因为之前网络层的特征结果无法被释放，直到后续的残差计算结束。华为诺亚方舟实验室提出了一种新的CNN模型训练方法—基于残差蒸馏的联合训练框架Joint-training framework based on Residual Distillation(JointRD)，希望在训练的时候引入残差连接保证训练效果，但在部署时去掉残差提升推理速度。通过在ImageNet/CIFAR10/CIFAR100等数据上的实验表明，利用JointRD训练得到的没有残差连接的plainCNN能够达到和ResNet相同精度的同时，性能提升1.4倍，内存消耗降低1.25倍。预训练plain-CNN在MIT 67和Caltech 101的fine-tuning结果也证明了特征的迁移泛化性。
联合训练框架介绍
主要动机
CNN模型当中引入残差连接的主要动机是避免梯度消失及降低优化难度，在最近的多篇研究中已经证明了残差连接在训练过程中对梯度的影响。因此我们认为没有残差的plain-CNN模型表现差是因为优化方法差而非模型本身的表达能力的限制。通过在mobile NPU上对比去掉残差的plain-CNN 50和保留残差的ResNet50内存消耗和时延，我们发现去掉残差后内存消耗降低19%，时延提升30%。基于以上结论，我们提出了一种可能的解决方案，利用ResNet为plain CNN的训练过程提供更好的梯度。因此我们提出了Joint-training framework based on Residual Distillation (JointRD)，在这个框架中我们通过将plain CNN中的一个stage同时连接到它之后的stage和ResNet之后的stage达成上述训练目标。
具体方案
图2.1. 联合训练框架
如图2.1所示，联合训练框架包含两部分网络结构，上半部分是ResNet作为teacher网络，下半部分是去掉了ResNet中的残差的plain-CNN作为student网络。根据两个模型中下采样层的位置，可以将他们划分为个阶段，比如ResNet50可以划分为4个阶段。以ResNet50/Plain-CNN50为例，JointRD将Plain-CNN50的第1个stage同时连接到它的第2个stage，以及ResNet50的第2个stage，如图1中绿色线所示，经由第3个stage和第4个stage后最终得到特征图和交叉熵loss ，Plain-CNN50的其他stage依次类推，其中和分别为网络和网络的权重。
联合训练框架保证了残差连接使梯度更易反传的效果，但残差连接还有另外一个功能就是保护从前一层提取到的特征。为了达成相同的效果，我们采用Dirac delta初始化方法[8]来初始化student网络的权重。对于teacher网络的权重，我们使用预训练好的ResNet模型来进行初始化，并在整个训练过程中停止对这部分权重的更新。
如图2.1所示，训练过程的loss分为三部分，student网络的交叉熵loss，Plain-CNN每个stage连接到ResNet的下一个stage后最终得到的交叉熵loss ，以及我们采用teacher模型最后一层特征和student模型最后一层特征的mean square error (MSE)作为KD loss：
（2-1）
实验结果
通过三种规模的网络plain-CNN18, plain-CNN34, plain-CNN50在CIFAR-10和CIFAR-100上的实验证明了联合训练方法JointRD有效性。如表2.1所示，JointRD可以将Plain-CNN训练达到和对应的ResNet相同的精度。同时我们还对比了单纯训练plain-CNN（见"Naive"列）以及只使用KD (MSE) loss和plain-CNN的交叉熵loss（见"KD (MSE) +Dirac"列）。
表2.1. 基于CIFAR-10/CIFAR-100的Benchmark结果
在表2.2中，我们对比了利用JointRD训练得到的plain-CNN50，利用剪枝方法[9]剪枝40%后的ResNet50，以及ResNet50本身的精度、时延和内存消耗。可以看出在plain-CNN50在各个维度均优于直接剪枝。
表2.2. 对比基于ImageNet剪枝和plain-CNN的轻量网络
实验细节请参考论文原文[7]。
目前由JointRD训练得到的plain-CNN18/ plain-CNN34/plain-CNN50 MindSpore端侧模型均已上线MindSpore Hub，感兴趣的可以下载体验。
Plain-CNN18模型链接:
Plain-CNN34模型链接:
https://www.mindspore.cn/resources/hub/details?noah-cvlab/gpu/1.0/plain-CNN-resnet34\_v1.0\_cifar10
Plain-CNN50模型链接:
https://www.mindspore.cn/resources/hub/details?noah-cvlab/gpu/1.0/plain-CNN-resnet50\_v1.0\_cifar10
Searching for Low-Bit Weights in Quantized Neural Networks
神经网络量化因为可以减少计算消耗和内存占用，在模型部署特别是端侧设备部署中被广泛应用，例如相较于传统的32-bit模型网络，二值化网络可以直接将模型压缩32倍，同时如果采用二值运算可以大大降低计算复杂度（如XNORNet 可以达到57倍加速[10]）。传统的量化方法通常不是直接可导的，而是通过近似梯度进行训练，这增加了量化网络的优化难度以及量化网络和原始网络间的精度差距。相较于全精度（32-bit 浮点数）权值，低比特权值只有很小的数值空间，如4-bit量化只有2^4=16种可能的量化取值。因此，我们提出了一种全新的可导的量化方法Searching for Low-Bit Weights (SLB)，将权值量化转变为可能量化取值的搜索。具体来讲就是将每个权值表示成所有可能取值空间的概率分布，在训练过程中优化这个概率分布，在推理过程中选取概率最大的值作为量化后的值。在图像分类和超分任务的多个benchmark上的实验证明，通过SLB方法量化后的网络性能超越已有SOTA结果。
方法介绍
传统量化方法
以q-bit量化为例，坐标轴将会被划分到个区间中，每个区间对应set V中的一个离散数值
。给定一个全精度的卷积核，量化后的权值为
。在训练过程中，量化后权值的梯度可以通过反向传播算法直接计算，但的梯度则很难获取，因为对Q的导数几乎处处为零并且在零点接近无限。传统量化方法的解决方法是通过近似如Straight Through Estimator (STE)[11]，但是这种近似带来的误差无法被忽略，特别是现在的网络都具有较多的网络层和较大的参数量。
Low-bit Weight Searching
对比传统方法，我们引入连续松弛策略来搜索离散的权重值。以优化一个n维
的离散变量W为例，W中的每个元素都可以看做是从m个离散值
中选取一个值，因此我们可以构建一个新的张量
来学习W的概率分布。每个元素在m个离散变量上的概率分布可以通过增加了temperature controlling 的softmax计算得到：
（3-1）
其中是W中的每个元素属于第i个离散值的概率，是temperature controlling的系数。
在训练过程中W的量化结果可以表示为基于离散取值概率分布的加权结果：
（3-2）
而在推理阶段，选取概率最大的离散值作为最终的量化结果，即：
(3-3)
其中，
我们通过优化张量A来获取W的量化取值，而A的梯度是可以精确计算的，因此，整个优化过程是可导的，从而避免了近似梯度引入的误差。
虽然连续松弛策略可以解决训练过程中近似梯度所引入的误差问题，但和之间仍有差距
。因为引入了temperature controlling，当趋近于0时，也无限趋近于0。因此我们提出了逐步降低temperature的训练策略，在优化之初，被设置为较大的值，P的分布就会较为分散，随着优化进行，逐步降低，P的分布也会变得尖锐。通过这种方式，量化间的差距随着的改变逐步缩小。
训练和推理过程中还存在的另外一个差别为batch normalization层的统计，因此我们提出了state batch normalization来建立sharp softmax分布和one-hot分布间的联系。具体来说，SBN在训练过程中分别统计两组BN，一组针对训练中连续权重得到的特征：
(3-4)
其中，x是输入数据，⊗是卷积操作，是输出，和是第i个通道的均值和方程。
另外一组是针对量化后权重 得到的特征：
(3-5)
同时，我们使两组BN共享一组仿射变换系数，即：
（3-6）
通过这种方式，SBN消除了BN层统计的偏差。
实验结果
表3.1和表3.2比较了我们的方法和其他SOTA量化方法BNN, XNORNet, DoReFa, DSQ, SQ, and LQ-Net在VGG-Small和ResNet20两个不同模型上的效果。如表中结果所示，W/A分别表示weight和activation的量化位宽,在不同量化位宽下，我们的方法都超越了其他SOTA方法。。具体的实验细节请参考论文原文[12]。
表3.1.ResNet20在CIFAR-10上的结果 表3.2.VGG-Small在CIFAR10上的结果
VGG-Small在CIFAR10上基于2-bit weight和2-bit activation的量化端侧模型目前已在MindSpore Hub开源首发，感兴趣的可以下载体验。
模型链接：
广告时间：
MindSpore官网：https://www.mindspore.cn/
MindSpore论坛：https://bbs.huaweicloud.com/forum/forum-1076-1.html
代码仓地址：
Gitee-https://gitee.com/MindSpore/MindSpore
GitHub-https://github.com/MindSpore-ai/MindSpore
参考文献
[1] Yehui Tang,Yunhe Wang,Yixing Xu,Dacheng Tao, Chunjing Xu,Chao Xu,Chang Xu. SCOP:Scientific Control for Reliable Neural Network Pruning. In 34th Conference on Neural Information Processing Systems (NeurIPS 2020), 2020.
[2] Hao Li, Asim Kadav, Igor Durdanovic, Hanan Samet, and Hans Peter Graf. Pruning filters for efficient convnets. In 5th International Conference on Learning Representations, ICLR 2017, Toulon, France, April 24-26, 2017, Conference Track Proceedings. OpenReview.net, 2017.
[3] Yang He, Guoliang Kang, Xuanyi Dong, Yanwei Fu, and Yi Yang. Soft filter pruning for accelerating deep convolutional neural networks. In Proceedings of the 27th International Joint Conference on Artificial Intelligence, pages 2234–2240, 2018.
[4] Pavlo Molchanov, Arun Mallya, Stephen Tyree, Iuri Frosio, and Jan Kautz. Importance estimation for neural network pruning. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pages 11264–11272, 2019.
[5] Shaohui Lin, Rongrong Ji, Chenqian Yan, Baochang Zhang, Liujuan Cao, Qixiang Ye, Feiyue Huang, and David Doermann. Towards optimal structured cnn pruning via generative adversarial learning. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pages 2790–2799, 2019.
[6] Lucas Liebenwein, Cenk Baykal, Harry Lang, Dan Feldman, and Daniela Rus. Provable filter pruning for efficient neural networks. In International Conference on Learning Representations, 2020.
[7] Guilin Li, Junlei Zhang, Yunhe Wang, Chuanjian Liu, Matthias Tan, Yunfeng Lin, Wei Zhang, Jiashi Feng, Tong Zhang. Residual Distillation: Towards Portable Deep Neural Networks without Shortcuts. Accepted by NeurIPS 2020
[8] Sergey Zagoruyko and Nikos Komodakis. Diracnets: Training very deep neural networks
without skip-connections. arXiv preprint arXiv:1706.00388, 2017.
[9] Zhuang Liu, Jianguo Li, Zhiqiang Shen, Gao Huang, Shoumeng Yan, and Changshui Zhang.
Learning efficient convolutional networks through network slimming. In Proceedings of the
IEEE International Conference on Computer Vision, pages 2736–2744, 2017.
[10] Mohammad Rastegari, Vicente Ordonez, Joseph Redmon, and Ali Farhadi. Xnor-net: Imagenet classification using binary convolutional neural networks. ECCV, 2016
[11] Matthieu Courbariaux, Yoshua Bengio, and Jean-Pierre David. Binaryconnect: training deep neural networks with binary weights during propagations. NeurIPS, 2015
[12] Zhaohui Yang, Yunhe Wang, Kai Han, Chunjing Xu, Chao Xu, Dacheng Tao, Chang Xu. Searching for Low-Bit Weights in Quantized Neural Networks. Accepted by NeurIPS 2020.
推荐阅读
- 平安夜的平安果——Apple机器学习框架Core ML教程
- 2020 数字人体视觉挑战赛宫颈癌风险智能诊断_算法赛道亚军VNNI赛道冠军_LLLLC团队攻略分享
- 经验 | OpenCV图像旋转的原理与技巧
更多嵌入式AI技术干货请关注嵌入式AI专栏。
