導(dǎo)讀

如何去掉batch normalization層來加速神經(jīng)網(wǎng)絡(luò)。

介紹

Batch Normalization是將各層的輸入進(jìn)行歸一化，使訓(xùn)練過程更快、更穩(wěn)定的一種技術(shù)。在實(shí)踐中，它是一個(gè)額外的層，我們通常添加在計(jì)算層之后，在非線性之前。它包括兩個(gè)步驟：

首先減去其平均值，然后除以其標(biāo)準(zhǔn)差

進(jìn)一步通過γ縮放，通過β偏移，這些是batch normalization層的參數(shù)，當(dāng)網(wǎng)絡(luò)不需要數(shù)據(jù)的時(shí)候，均值為0、標(biāo)準(zhǔn)差為1。

Batch normalization在神經(jīng)網(wǎng)絡(luò)的訓(xùn)練中具有較高的效率，因此得到了廣泛的應(yīng)用。但它在推理的時(shí)候有多少用處呢？

一旦訓(xùn)練結(jié)束，每個(gè)Batch normalization層都擁有一組特定的γ和β，還有μ和σ，后者在訓(xùn)練過程中使用指數(shù)加權(quán)平均值進(jìn)行計(jì)算。這意味著在推理過程中，Batch normalization就像是對(duì)上一層（通常是卷積）的結(jié)果進(jìn)行簡(jiǎn)單的線性轉(zhuǎn)換。

由于卷積也是一個(gè)線性變換，這也意味著這兩個(gè)操作可以合并成一個(gè)單一的線性變換！這將刪除一些不必要的參數(shù)，但也會(huì)減少推理時(shí)要執(zhí)行的操作數(shù)量。

在實(shí)踐中怎么做？

用一點(diǎn)數(shù)學(xué)知識(shí)，我們可以很容易地重新對(duì)卷積進(jìn)行排列來處理batch normalization。提醒一下，對(duì)一個(gè)輸入x進(jìn)行卷積之后再進(jìn)行batch normalization的運(yùn)算可以表示為：

那么，如果我們重新排列卷積的W和b，考慮batch normalization的參數(shù)，如下：

我們可以去掉batch normalization層，仍然得到相同的結(jié)果！

注意：通常，在batch normalization層之前的層中是沒有bias的，因?yàn)檫@是無用的，也是對(duì)參數(shù)的浪費(fèi)，因?yàn)槿魏纬?shù)都會(huì)被batch normalization抵消掉。

這樣做的效果怎樣？

我們將嘗試兩種常見的架構(gòu)：

使用batch norm的VGG16

ResNet50

為了演示，我們使用ImageNet dataset和PyTorch。兩個(gè)網(wǎng)絡(luò)都將訓(xùn)練5個(gè)epoch，看看參數(shù)數(shù)量和推理時(shí)間的變化。

1. VGG16

我們從訓(xùn)練VGG16 5個(gè)epoch開始(最終的準(zhǔn)確性并不重要)：

參數(shù)的數(shù)量：

單個(gè)圖像的初始推理時(shí)間為：

如果使用了batch normalization折疊，我們有：

以及：

8448個(gè)參數(shù)被去掉了，更好的是，幾乎快了0.4毫秒！最重要的是，這是完全無損的，在性能方面絕對(duì)沒有變化：

讓我們看看它在Resnet50的情況下是怎么樣的！

2. Resnet50

同樣的，我們開始訓(xùn)練它5個(gè)epochs：

初始參數(shù)量為：

推理時(shí)間為：

使用batch normalization折疊后，有：

和：

現(xiàn)在，我們有26,560的參數(shù)被移除，更驚訝的hi，推理時(shí)間減少了1.5ms，性能一點(diǎn)也沒降。

責(zé)任編輯：lq！