【CondConv】2019-NIPS-CondConv: Conditionally Parameterized Convolutions for Efficient Inference-论文阅读
CondConv
2019-NIPS-CondConv: Conditionally Parameterized Convolutions for Efficient Inference
来源：ChenBong 博客园
- Institute：Google Brain
- Author：Brandon Yang，Quoc V . Le
- GitHub：
- Citation： 30+
Introduction
CondConv卷积层可以对每个样本进行条件计算，CondConv可以为每个样本定制单独的卷积层，从而在不提高计算量的情况下，提高网络的性能。
CondConv卷积层是一种 plug-in 的 conv layer，可以和现有的 CNN 模型结合，替换 常规conv 即可。
Related Work
conditional computation
条件计算是模型压缩的一个子方向，主要思想是根据不同的样本，选择不同的权重子集。
motivation：不同的 layer 提取的是不同的特征，对于不同的样本，所需要重视的特征应该也是不同的，能否让网络根据输入样本的差异（难度/类别/特征，方圆/颜色...），自动选择不同的 block/branch/layer/filter 进行计算（例如根据样本难度，自动选择推理深度，简单样本early exit）
BigNAS系列的文章可以看做是对计算资源的自适应；条件计算可以看做是一种对样本的自适应，条件计算有时也可以对计算资源自适应（资源不足，early exit / fewer branch）
ensemble
- 模型集成：最简单的模型集成是针对相同的任务、相同的输入设计几个不同的网络（甚至有的时候直接取训练过程中的若干checkpoint，这种集成方法称为快照集成。
- 分支集成：模型集成的规模往往有些庞大，退而求其次我们可以共享一部分浅层特征，然后产生若干分支，最后融合各分支提取的特征达到集成的目的
- 带条件计算的分支集成：有的时候可能有的分支的“小专家”对一些样本不太擅长，我们可以选择不听取他们的意见
从上到下，集成的粒度越来越细：
- 多个model进行集成 √
- head-1个stage-tail，1个stage中的多个branch进行集成 √
- head-1个stage-tail，1个stage中的多个branch进行条件集成 √
- head-N个stage-tail，每个stage中的多个branch都独立进行条件集成
- 多个layer，每个layer都独立进行条件集成（本文）
但所有集成方式不可避免的带来参数量（计算量）的N倍增加，本文的方法一样会带来N倍的参数量增加，但计算量和原始模型是相当的（存储资源比计算资源更容易获得）。
attention
不同样本有不同的关注区域，让网络对不同样本关注不同的东西
Motivation
One fundamental assumption is that convolutional kernels should be shared for all examples in a dataset.
current approaches to increasing model capacity are computationally expensive.
Contribution
Method
CondConv
CondConv 可以看成是在layer粒度的条件集成，每个CondConv layer都有n套权重： \(W_1 ... W_n\)
input先和n套权重分别卷积，再combine（类似 googlenet 中的 multi-branch）
由于这n个卷积运算（一种线性运算）的输入都是相同的，那么如果combine也是线性运算（如加权求和），则这组运算就可以重新表示为先combine再执行一个卷积运算（多个branch卷积整合成一个，如repVGG就是把2个卷积branch合成一个）：
这样就把N倍的卷积计算量减少到1倍的卷积计算量+少量的线性组合计算量，且两者是完全等价的！
\(\alpha\) 如何得到？
- routing function： \(\alpha\) 是输入x的函数，其中R是 fc 层的参数），将 pool(x) ==> n dim
- \(α=r(x)=sigmoid(fc(avg pool(x)))\)
如果 α 是定值的话，cond conv就等价于普通的conv
Experiments
expert num & width mult
集成的 expert 越多，性能越好，且在不同规模的网络上都有效
plug-in
与现有的方法结合，都可以提高性能，即插即用
Ablation Study
plug-in layer
CC-mb1只在第7层开始使用cond conv
fc 层替换为 cond conv 会带来较多的计算开销
routing function
- CC-mb1：（第7层开始）每层都有单独的一组R参数（一个fc） \(α=r(x)=sigmoid(fc(avg pool(x)))\)
- single：（第7层开始）共用一组R
- partially-share：（第7层开始）部分层共享
- hidden：fc层的宽度
- Hierarchical：
- \(α^l=r^l(x)=sigmoid(fc(avg_pool(x)+α^{l-1}))\)
- softmax： \(α=r(x)=softmax(fc(avg pool(x)))\)
mean routing weight
不同层：越深的层，routing weight 对不同的类的差异越大
同一层，不同类：同一层不同类所激活的 branch/expert 是不同的
同一层的4个 branch/expert 激活值最大的10张样本，不同的expert对不同类型的样本感兴趣
Conclusion
Summary
pros：
- 从注意力机制的角度，不同的卷积核对不同样本有不同的注意力
- 从条件计算的角度，将条件计算的粒度细化到了layer级别，使得每个样本实际推理使用的conv都各不相同
- 从集成的角度，cond conv模型集成了多个（32个）expert，通过多卷积branch等价融合的方法，计算量减少到一倍；虽然模型参数量急剧增加，但存储空间一般比计算内存更容易获得
- 提升网络的表达容量，比提升模型计算量（宽度/深度）更重要，once for all 中共享
cons：
- 本文是通过N倍的参数量来提高网络表达容量，参数量太大（32倍），能否通过1倍的参数量，通过线性/非线性的变换来得到多倍的表达容量（类似once for all 中共享7x7 center的做法其实也是用1倍的参数量+fc，来得到n倍的网络表达容量）
