摘要：在本论文中揭示了这样一种现象：一层内的许多特征图共享相似但不相同的模式。
本文分享自华为云社区《Split to Be Slim: 论文复现》，作者： 李长安 。
Split to Be Slim: An Overlooked Redundancy in Vanilla Convolution 论文复现
已经提出了许多有效的解决方案来减少推理加速模型的冗余。然而，常见的方法主要集中在消除不太重要的过滤器或构建有效的操作，同时忽略特征图中的模式冗余。
在本论文中揭示了这样一种现象：一层内的许多特征图共享相似但不相同的模式。但是，很难确定具有相似模式的特征是否是冗余的或包含基本细节。因此，论文作者不是直接去除不确定的冗余特征，而是提出了一种基于分割的卷积操作，即 SPConv，以容忍具有相似模式但需要较少计算的特征。
具体来说，论文将输入特征图分为Representative部分和不Uncertain冗余部分，其中通过相对繁重的计算从代表性部分中提取内在信息，而对不确定冗余部分中的微小隐藏细节进行一些轻量级处理手术。为了重新校准和融合这两组处理过的特征，我们提出了一个无参数特征融合模块。此外，我们的 SPConv 被制定为以即插即用的方式替换 vanilla 卷积。在没有任何花里胡哨的情况下，基准测试结果表明，配备 SPConv 的网络在 GPU 上的准确性和推理时间上始终优于最先进的基线，FLOPs 和参数急剧下降。
然而，如上图所示，同一层的特征中存在相似模式，也就是说存在特征冗余问题。但同时，并未存在完全相同的两个通道特征，进而导致无法直接剔除冗余通道特征。 因此，可以选择一些有代表性的特征图来补充内在信息，而剩余的冗余只需要补充微小的不同细节。
在现有的滤波器中，比如常规卷积、GhostConv、OctConv、HetConv均在所有输入通道上执行k*k卷积。然而，如上图所示，同一层的特征中存在相似模式，也就是说存在特征冗余问题。但同时，并未存在完全相同的两个通道特征，进而导致无法直接剔除冗余通道特征。
受此现象启发，作者提出将所有输入特征按比例拆分为两部分：
因此该过程可以描述为(见SPConv的左侧部分),公式如下图所示：
在将所有输入通道分成两个主要部分后，代表部分之间可能存在冗余。换句话说，代表通道可以分为几个部分，每个部分代表一个主要类别的特征，例如颜色和纹理。因此，我们在代表性通道上采用组卷积以进一步减少冗余，如图 2 的中间部分所示。我们可以将组卷积视为具有稀疏块对角卷积核的普通卷积，其中每个块对应于通道，并且分区之间没有连接。这意味着，在组卷积之后，我们进一步减少了代表性部分之间的冗余，同时我们还切断了可能不可避免地有用的跨通道连接。我们通过在所有代表性通道上添加逐点卷积来弥补这种信息丢失。与常用的组卷积后点卷积不同，我们在相同的代表性通道上进行 GWC 和 PWC。然后我们通过直接求和来融合这两个结果特征，因为它们具有相同的通道来源，从而获得了额外的分数（这里我们将组大小设置为 2）。所以方程2的代表部分可以表述为方程3：
到目前为止，我们已经将 vanilla 3×3 卷积拆分为两个操作：对于代表部分，我们进行 3×3 组卷积和 1×1 逐点卷积的直接求和融合，以抵消分组信息丢失；对于冗余部分，我们应用 1 × 1 内核来补充一些微小的有用细节。结果，我们得到了两类特征。因为这两个特征来自不同的输入通道，所以需要一种融合方法来控制信息流。与等式 2 的直接求和融合不同，我们为我们的 SP-Conv 设计了一个新颖的特征融合模块，无需导入额外的参数，有助于实现更好的性能。如图 2 右侧所示，
import paddle import paddle.nn as nn def conv3x3(in_planes, out_planes, stride=1, groups=1, dilation=1): """3x3 convolution with padding""" return nn.Conv2D(in_planes, out_planes, kernel_size=3, stride=stride, padding=dilation, groups=groups, dilation=dilation) class SPConv_3x3(nn.Layer): def __init__(self, inplanes=32, outplanes=32, stride=1, ratio=0.5): super(SPConv_3x3, self).__init__() self.inplanes_3x3 = int(inplanes*ratio) self.inplanes_1x1 = inplanes - self.inplanes_3x3 self.outplanes_3x3 = int(outplanes*ratio) self.outplanes_1x1 = outplanes - self.outplanes_3x3 self.outplanes = outplanes self.stride = stride self.gwc = nn.Conv2D(self.inplanes_3x3, self.outplanes, kernel_size=3, stride=self.stride, padding=1, groups=2) self.pwc = nn.Conv2D(self.inplanes_3x3, self.outplanes, kernel_size=1) self.conv1x1 = nn.Conv2D(self.inplanes_1x1, self.outplanes,kernel_size=1) self.avgpool_s2_1 = nn.AvgPool2D(kernel_size=2,stride=2) self.avgpool_s2_3 = nn.AvgPool2D(kernel_size=2, stride=2) self.avgpool_add_1 = nn.AdaptiveAvgPool2D(1) self.avgpool_add_3 = nn.AdaptiveAvgPool2D(1) self.bn1 = nn.BatchNorm2D(self.outplanes) self.bn2 = nn.BatchNorm2D(self.outplanes) self.ratio = ratio self.groups = int(1/self.ratio) def forward(self, x): # print(x.shape) b, c, _, _ = x.shape x_3x3 = x[:,:int(c*self.ratio),:,:] x_1x1 = x[:,int(c*self.ratio):,:,:] out_3x3_gwc = self.gwc(x_3x3) if self.stride ==2: x_3x3 = self.avgpool_s2_3(x_3x3) out_3x3_pwc = self.pwc(x_3x3) out_3x3 = out_3x3_gwc + out_3x3_pwc out_3x3 = self.bn1(out_3x3) out_3x3_ratio = self.avgpool_add_3(out_3x3).squeeze(axis=3).squeeze(axis=2) # use avgpool first to reduce information lost if self.stride == 2: x_1x1 = self.avgpool_s2_1(x_1x1) out_1x1 = self.conv1x1(x_1x1) out_1x1 = self.bn2(out_1x1) out_1x1_ratio = self.avgpool_add_1(out_1x1).squeeze(axis=3).squeeze(axis=2) out_31_ratio = paddle.stack((out_3x3_ratio, out_1x1_ratio), 2) out_31_ratio = nn.Softmax(axis=2)(out_31_ratio) out = out_1x1 * (out_31_ratio[:,:,1].reshape([b, self.outplanes, 1, 1]).expand_as(out_1x1))\ + out_3x3 * (out_31_ratio[:,:,0].reshape([b, self.outplanes, 1, 1]).expand_as(out_3x3)) return out # paddle.summary(SPConv_3x3(), (1,32,224,224)) spconv = SPConv_3x3() tmp = paddle.randn([1, 32, 224, 224]) conv_out1 = spconv(tmp) print(conv_out1.shape) W0724 22:30:03.841145 13041 gpu_resources.cc:61] Please NOTE: device: 0, GPU Compute Capability: 7.0, Driver API Version: 11.2, Runtime API Version: 10.1 W0724 22:30:03.845882 13041 gpu_resources.cc:91] device: 0, cuDNN Version: 7.6. [1, 32, 224, 224] /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/paddle/nn/layer/norm.py:654: UserWarning: When training, we now always track global mean and variance. "When training, we now always track global mean and variance.")
为验证所提方法的有效性，设置SPConv中的卷积核k=3，g=2，同时整个网络设置统一的全局超参数（不同阶段设置不同的会更优，但会过于精细）。
在小尺度数据集Cifar10、resnet18网络进行对比分析，为公平对比，所有实验均在含1个NVIDIA Tesla V100GPU的服务器上从头开始训练，且采用默认的数据增广与训练策略，不包含其他额外Tricks。
import paddle from paddle.metric import Accuracy from paddle.vision.transforms import Compose, Normalize, Resize, Transpose, ToTensor from sp_resnet import resnet18_sp callback = paddle.callbacks.VisualDL(log_dir='visualdl_log_res_sp') normalize = Normalize(mean=[0.5, 0.5, 0.5], std=[0.5, 0.5, 0.5], data_format='HWC') transform = Compose([ToTensor(), Normalize(), Resize(size=(224,224))]) cifar10_train = paddle.vision.datasets.Cifar10(mode='train', transform=transform) cifar10_test = paddle.vision.datasets.Cifar10(mode='test', transform=transform) # 构建训练集数据加载器 train_loader = paddle.io.DataLoader(cifar10_train, batch_size=128, shuffle=True, drop_last=True) # 构建测试集数据加载器 test_loader = paddle.io.DataLoader(cifar10_test, batch_size=128, shuffle=True, drop_last=True) res_sp = paddle.Model(resnet18_sp(num_classes=10)) optim = paddle.optimizer.Adam(learning_rate=3e-4, parameters=res_sp.parameters()) res_sp.prepare( optim, paddle.nn.CrossEntropyLoss(), Accuracy() ) res_sp.fit(train_data=train_loader, eval_data=test_loader, epochs=10, callbacks=callback, verbose=1 ) import paddle from paddle.metric import Accuracy from paddle.vision.transforms import Compose, Normalize, Resize, Transpose, ToTensor from paddle.vision.models import resnet18 callback = paddle.callbacks.VisualDL(log_dir='visualdl_log_res_18') normalize = Normalize(mean=[0.5, 0.5, 0.5], std=[0.5, 0.5, 0.5], data_format='HWC') transform = Compose([ToTensor(), Normalize(), Resize(size=(224,224))]) cifar10_train = paddle.vision.datasets.Cifar10(mode='train', transform=transform) cifar10_test = paddle.vision.datasets.Cifar10(mode='test', transform=transform) # 构建训练集数据加载器 train_loader = paddle.io.DataLoader(cifar10_train, batch_size=128, shuffle=True, drop_last=True) # 构建测试集数据加载器 test_loader = paddle.io.DataLoader(cifar10_test, batch_size=128, shuffle=True, drop_last=True) res_18 = paddle.Model(resnet18(num_classes=10)) optim = paddle.optimizer.Adam(learning_rate=3e-4, parameters=res_18.parameters()) res_18.prepare( optim, paddle.nn.CrossEntropyLoss(), Accuracy() ) res_18.fit(train_data=train_loader, eval_data=test_loader, epochs=10, callbacks=callback, verbose=1 )
最后，我们再来看一下消融实验结果，见下图。可以看到：
在原作中，作者给出了ResNet20、VGG16在数据集Cifar10上的对比结果，原因也可能在于本实验中模型迭代次数不够，但是相比来看，特征图在进行了去冗余操作之后（类似于剪枝），精度下降似乎是正确的。
在该文中，作者重新对常规卷积中的信息冗余问题进行了重思考，为缓解该问题，作者提出了一种新颖的SPConv，它将输入特征拆分为两组不同特征并进行不同的处理，最后采用简化版SK进行融合。最后作者通过充分的实验分析说明了所提方法的有效性，在具有更高精度的时候具有更快的推理速度、更少的FLOPs与参数量。
所提SPConv是一种“即插即用”型单元，它可以轻易与其他网络架构相结合，同时与当前主流模型压缩方法互补，如能精心组合设计，有可能得到更轻量型的模型。
即插即用！北邮&南开大学开源SPConv：精度更高、速度更快的卷积
Split to Be Slim: An Overlooked Redundancy in Vanilla Convolution