在VGG中，卷積網絡達到了19層，在GoogLeNet中，網絡史無前例的達到了22層。

那么，網絡的精度會隨著網絡的層數增多而增多嗎？

在深度學習中，網絡層數增多一般會伴著下面幾個問題

• 計算資源的消耗
• 模型容易過擬合
• 梯度消失/梯度爆炸問題的產生

問題1可以通過GPU集群來解決，對于一個企業(yè)資源并不是很大的問題；問題2的過擬合通過采集海量數據，并配合Dropout正則化等方法也可以有效避免；問題3通過Batch Normalization也可以避免。貌似我們只要無腦的增加網絡的層數，我們就能從此獲益，但實驗數據給了我們當頭一棒。

作者發(fā)現(xiàn)，隨著網絡層數的增加，網絡發(fā)生了退化（degradation）的現(xiàn)象：隨著網絡層數的增多，訓練集loss逐漸下降，然后趨于飽和，當你再增加網絡深度的話，訓練集loss反而會增大。注意這并不是過擬合，因為在過擬合中訓練loss是一直減小的。

當網絡退化時，淺層網絡能夠達到比深層網絡更好的訓練效果，這時如果我們把低層的特征傳到高層，那么效果應該至少不比淺層的網絡效果差，或者說如果一個VGG-100網絡在第98層使用的是和VGG-16第14層一模一樣的特征，那么VGG-100的效果應該會和VGG-16的效果相同。所以，我們可以在VGG-100的98層和14層之間添加一條直接映射（Identity Mapping）來達到此效果。

從信息論的角度講，由于DPI（數據處理不等式）的存在，在前向傳輸的過程中，隨著層數的加深，F(xiàn)eature Map包含的圖像信息會逐層減少，而ResNet的直接映射的加入，保證了 l+1 層的網絡一定比 l 層包含更多的圖像信息?；谶@種使用直接映射來連接網絡不同層直接的思想，殘差網絡應運而生。

殘差網絡

1.殘差塊

殘差網絡是由一系列殘差塊組成的（圖1）。

一個殘差塊可以用表示為：

2.殘差網絡

殘差網絡的搭建分為兩步：

使用VGG公式搭建Plain VGG網絡在Plain VGG的卷積網絡之間插入Identity Mapping，注意需要升維或者降維的時候加入 1×1 卷積。

在實現(xiàn)過程中，一般是直接stack殘差塊的方式。

3.為什么叫殘差網絡

一、背景

1.梯度消失問題

我們發(fā)現(xiàn)很深的網絡層，由于參數初始化一般更靠近0，這樣在訓練的過程中更新淺層網絡的參數時，很容易隨著網絡的深入而導致梯度消失，淺層的參數無法更新。

解釋：

可以看到，假設現(xiàn)在需要更新b1，w2,w3,w4參數因為隨機初始化偏向于0，通過鏈式求導我們會發(fā)現(xiàn)，w1w2w3相乘會得到更加接近于0的數，那么所求的這個b1的梯度就接近于0，也就產生了梯度消失的現(xiàn)象。

2.網絡退化問題

舉個例子，假設已經有了一個最優(yōu)化的網絡結構，是18層。當我們設計網絡結構的時候，我們并不知道具體多少層次的網絡是最優(yōu)化的網絡結構，假設設計了34層網絡結構。

那么多出來的16層其實是冗余的，我們希望訓練網絡的過程中，模型能夠自己訓練這五層為恒等映射，也就是經過這層時的輸入與輸出完全一樣。

但是往往模型很難將這16層恒等映射的參數學習正確，那么就一定會不比最優(yōu)化的18層網絡結構性能好，這就是隨著網絡深度增加，模型會產生退化現(xiàn)象。

它不是由過擬合產生的，而是由冗余的網絡層學習了不是恒等映射的參數造成的。

二、ResNets  殘差網絡

ResNet使用了一個新的思想，ResNet的思想是假設我們涉及一個網絡層，存在最優(yōu)化的網絡層次，那么往往我們設計的深層次網絡是有很多網絡層為冗余層的。

那么我們希望這些冗余層能夠完成恒等映射，保證經過該恒等層的輸入和輸出完全相同。

具體哪些層是恒等層，這個會有網絡訓練的時候自己判斷出來。

殘差網絡有什么好處呢？

顯而易見：因為增加了 x 項，那么該網絡求 x 的偏導的時候，多了一項常數 1（對x的求導為1），所以反向傳播過程，梯度連乘，也不會造成梯度消失。

可以看到X是這一層殘差塊的輸入，也稱作F(x)為殘差，x為輸入值，F(xiàn)（X）是經過第一層線性變化并激活后的輸出，該圖表示在殘差網絡中，第二層進行線性變化之后激活之前，F(xiàn)(x)加入了這一層輸入值X，然后再進行激活后輸出。在第二層輸出值激活前加入X，這條路徑稱作shortcut連接。

三、網絡架構

1.普通網絡(Plain Network)

2.殘差網絡

 把它變成ResNet的方法是加上所有跳躍連接，每兩層增加一個捷徑，構成一個殘差塊。如圖所示，5個殘差塊連接在一起構成一個殘差網絡。

3.對比分析

如果我們使用標準優(yōu)化算法訓練一個普通網絡，比如說梯度下降法，或者其它熱門的優(yōu)化算法。

如果沒有殘差，沒有這些捷徑或者跳躍連接，憑經驗你會發(fā)現(xiàn)隨著網絡深度的加深，訓練錯誤會先減少，然后增多。而理論上，隨著網絡深度的加深，應該訓練得越來越好才對。也就是說，理論上網絡深度越深越好。

但實際上，如果沒有殘差網絡，對于一個普通網絡來說，深度越深意味著用優(yōu)化算法越難訓練。實際上，隨著網絡深度的加深，訓練錯誤會越來越多。

但有了ResNets就不一樣了，即使網絡再深，訓練的表現(xiàn)卻不錯，比如說訓練誤差減少，就算是訓練深達100層的網絡也不例外。

有人甚至在1000多層的神經網絡中做過實驗，這樣就讓我們在訓練更深網絡的同時，又能保證良好的性能。

也許從另外一個角度來看，隨著網絡越深，網絡連接會變得臃腫，但是ResNet確實在訓練深度網絡方面非常有效。

四、解決問題

1.為什么可以解決梯度消失？

ResNet最終更新某一個節(jié)點的參數時，由于h(x)=F(x)+x，使得鏈式求導后的結果如圖所示，不管括號內右邊部分的求導參數有多小，因為左邊的1的存在，并且將原來的鏈式求導中的連乘變成了連加狀態(tài)，都能保證該節(jié)點參數更新不會發(fā)生梯度消失或梯度爆炸現(xiàn)象。

2.為什么可以解決網絡退化問題？

我們發(fā)現(xiàn)，假設該層是冗余的，在引入ResNet之前，我們想讓該層學習到的參數能夠滿足h(x)=x，即輸入是x，經過該冗余層后，輸出仍然為x。

但是可以看見，要想學習h(x)=x恒等映射時的這層參數時比較困難的。ResNet想到避免去學習該層恒等映射的參數，使用了如上圖的結構，讓h(x)=F(x)+x;這里的F(x)我們稱作殘差項，我們發(fā)現(xiàn)，要想讓該冗余層能夠恒等映射，我們只需要學習F(x)=0。

學習F(x)=0比學習h(x)=x要簡單，因為一般每層網絡中的參數初始化偏向于0，這樣在相比于更新該網絡層的參數來學習h(x)=x，該冗余層學習F(x)=0的更新參數能夠更快收斂，如圖所示：

假設該曾網絡只經過線性變換，沒有bias也沒有激活函數。

我們發(fā)現(xiàn)因為隨機初始化權重一般偏向于0，那么經過該網絡的輸出值為[0.6 0.6]，很明顯會更接近與[0 0]，而不是[2 1]，相比與學習h(x)=x，模型要更快到學習F(x)=0。并且ReLU能夠將負數激活為0，過濾了負數的線性變化，也能夠更快的使得F(x)=0。

這樣當網絡自己決定哪些網絡層為冗余層時，使用ResNet的網絡很大程度上解決了學習恒等映射的問題，用學習殘差F(x)=0更新該冗余層的參數來代替學習h(x)=x更新冗余層的參數。

這樣當網絡自行決定了哪些層為冗余層后，通過學習殘差F(x)=0來讓該層網絡恒等映射上一層的輸入，使得有了這些冗余層的網絡效果與沒有這些冗余層的網絡效果相同，這樣很大程度上解決了網絡的退化問題

總結

以上為個人經驗，希望能給大家一個參考，也希望大家多多支持腳本之家。

最新評論