如何解析基于Pytorch的動態(tài)卷積復(fù)現(xiàn)

今天就跟大家聊聊有關(guān)如何解析基于Pytorch的動態(tài)卷積復(fù)現(xiàn)，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結(jié)了以下內(nèi)容，希望大家根據(jù)這篇文章可以有所收獲。

簡單回顧

這里主要是改進(jìn)傳統(tǒng)卷積，讓每層的卷積參數(shù)在推理的時(shí)候也是隨著輸入可變的，而不是傳統(tǒng)卷積中對任何輸入都是固定不變的參數(shù)。

 

對于卷積過程中生成的一個特征圖  ，先對特征圖做幾次運(yùn)算，生成  個和為  的參數(shù)  ，然后對  個卷積核參數(shù)進(jìn)行線性求和，這樣推理的時(shí)候卷積核是隨著輸入的變化而變化的。(可以看看其他的講解文章，本文主要理解怎么寫代碼)

下面是attention代碼的簡易版本，輸出的是[  ,  ]大小的加權(quán)參數(shù)。  對應(yīng)著要被求和的卷積核數(shù)量。

class attention2d(nn.Module):
    def __init__(self, in_planes, K,):
        super(attention2d, self).__init__()
        self.avgpool = nn.AdaptiveAvgPool2d(1)
        self.fc1 = nn.Conv2d(in_planes, K, 1,)
        self.fc2 = nn.Conv2d(K, K, 1,)

    def forward(self, x):
        x = self.avgpool(x)
        x = self.fc1(x)
        x = F.relu(x)
        x = self.fc2(x).view(x.size(0), -1)
        return F.softmax(x, 1)

下面是文章中  個卷積核求和的公式。

其中  是輸入，  是輸出；可以看到  進(jìn)行了兩次運(yùn)算，一次用于求注意力的參數(shù)（用于生成動態(tài)的卷積核），一次用于被卷積。

但是，寫代碼的時(shí)候如果直接將  個卷積核求和，會出現(xiàn)問題。接下來我們先回顧一下Pytorch里面的卷積參數(shù)，然后描述一下可能會出現(xiàn)的問題，再講解如何通過分組卷積去解決問題。

Pytorch卷積的實(shí)現(xiàn)

我會從維度的視角回顧一下Pytorch里面的卷積的實(shí)現(xiàn)（大家也可以手寫一下，幾個重點(diǎn)：輸入維度、輸出維度、正常卷積核參數(shù)維度、分組卷積維度、動態(tài)卷積維度、attention模塊輸出維度）。

輸入：輸入數(shù)據(jù)維度大小為[ ,  ,  ,  ]。

輸出：輸出維度為[  ,  ,  ,  ]。

卷積核：正常卷積核參數(shù)維度為[  ,  ,  ,  ]。（在Pytorch中，2d卷積核參數(shù)應(yīng)該是固定這種維度的）

這里我們可以注意到，正常卷積核參數(shù)的維度是不存在  的。因?yàn)閷τ谡５木矸e來說，不同的輸入數(shù)據(jù)，使用的是相同的卷積核，卷積核的數(shù)量與一次前向運(yùn)算所輸入的  大小無關(guān)（相同層的卷積核參數(shù)只需要一份）。

可能會出現(xiàn)的問題

這里描述一下實(shí)現(xiàn)動態(tài)卷積代碼的過程中可能因?yàn)?nbsp; 大于1而出現(xiàn)的問題。

對于圖中attention模塊最后softmax輸出的  個數(shù)，他們的維度為[  ,  ,  ,  ]，可以直接.view成[  ,  ]，緊接著  作用于  卷積核參數(shù)上（形成動態(tài)卷積）。

問題所在：正常卷積，一次輸入多個數(shù)據(jù)，他們的卷積核參數(shù)是一樣的，所以只需要一份網(wǎng)絡(luò)參數(shù)即可；但是對于動態(tài)卷積而言，每個輸入數(shù)據(jù)用的都是不同的卷積核，所以需要  份網(wǎng)絡(luò)參數(shù)，不符合Pytorch里面的卷積參數(shù)格式，會出錯。

看下維度運(yùn)算[  ,  ]*[  ,  ,  ,  ,  ],生成的動態(tài)卷積核是[  ,  ,  ,  ,  ]，不符合Pytorch里面的規(guī)定，不能直接參與運(yùn)算（大家可以按照這個思路寫個代碼看看，體會一下，光看可能感覺不出來問題），最簡單的解決辦法就是  等于1，不會出現(xiàn)錯誤，但是慢?。。?！

總之，  大于1會導(dǎo)致中間卷積核參數(shù)不符合規(guī)定。

分組卷積以及如何通過分組卷積實(shí)現(xiàn)  大于1的動態(tài)卷積

一句話描述分組卷積：對于多通道的輸入，將他們分成幾部分各自進(jìn)行卷積，結(jié)果concate。

組卷積過程用廢話描述：對于輸入的數(shù)據(jù)[  ,  ,  ,  ]，假設(shè)  為  ，那么分組卷積就是將他分為兩個  為  的數(shù)據(jù)（也可以用其他方法分），那么維度就是[  , 5x2 ,  ,  ]，換個維度換下視角，[  ,  ,  ,  ]，那么  為2的組卷積可以看成  的正常卷積。（如果還是有點(diǎn)不了解分組卷積，可以閱讀其他文章仔細(xì)了解一下。）

巧妙的轉(zhuǎn)換：上面將  翻倍即可將分組卷積轉(zhuǎn)化成正常卷積，那么反向思考一下，將  變?yōu)?，是不是可以將正常卷積變成分組卷積？

我們將  大小看成分組卷積中  的數(shù)量，令  所在維度直接變?yōu)?nbsp; ！?。≈苯訉⑤斎霐?shù)據(jù)從[  ,  ,  ,  ]變成[1,  ,  ,  ]，就可以用分組卷積解決問題了?。?！

詳細(xì)描述實(shí)現(xiàn)過程：將輸入數(shù)據(jù)的維度看成[1,  ,  ,  ](分組卷積的節(jié)奏)；卷積權(quán)重參數(shù)初始化為[  ,  ,  ,  ,  ]，attention模塊生成的維度為[  ,  ],直接進(jìn)行正常的矩陣乘法[  ,  ]*[  ,  * *  *  ]生成動態(tài)卷積的參數(shù)，生成的動態(tài)卷積權(quán)重維度為[  ,  ,  ,  ,  ]，將其看成分組卷積的權(quán)重[  ,  ,  ,  ](過程中包含reshape)。這樣的處理就完成了，輸入數(shù)據(jù)[  ,  ,  ,  ]，動態(tài)卷積核[  ,  ,  ,  ]，直接是  的分組卷積，問題解決。

具體代碼如下：

class Dynamic_conv2d(nn.Module):
    def __init__(self, in_planes, out_planes, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, K=4,):
        super(Dynamic_conv2d, self).__init__()
        assert in_planes%groups==0
        self.in_planes = in_planes
        self.out_planes = out_planes
        self.kernel_size = kernel_size
        self.stride = stride
        self.padding = padding
        self.dilation = dilation
        self.groups = groups
        self.bias = bias
        self.K = K
        self.attention = attention2d(in_planes, K, )

        self.weight = nn.Parameter(torch.Tensor(K, out_planes, in_planes//groups, kernel_size, kernel_size), requires_grad=True)
        if bias:
            self.bias = nn.Parameter(torch.Tensor(K, out_planes))
        else:
            self.bias = None


    def forward(self, x):#將batch視作維度變量，進(jìn)行組卷積，因?yàn)榻M卷積的權(quán)重是不同的，動態(tài)卷積的權(quán)重也是不同的
        softmax_attention = self.attention(x)
        batch_size, in_planes, height, width = x.size()
        x = x.view(1, -1, height, width)# 變化成一個維度進(jìn)行組卷積
        weight = self.weight.view(self.K, -1)

        # 動態(tài)卷積的權(quán)重的生成， 生成的是batch_size個卷積參數(shù)（每個參數(shù)不同）
        aggregate_weight = torch.mm(softmax_attention, weight).view(-1, self.in_planes, self.kernel_size, self.kernel_size)
        if self.bias is not None:
            aggregate_bias = torch.mm(softmax_attention, self.bias).view(-1)
            output = F.conv2d(x, weight=aggregate_weight, bias=aggregate_bias, stride=self.stride, padding=self.padding,
                              dilation=self.dilation, groups=self.groups*batch_size)
        else:
            output = F.conv2d(x, weight=aggregate_weight, bias=None, stride=self.stride, padding=self.padding,
                              dilation=self.dilation, groups=self.groups * batch_size)

        output = output.view(batch_size, self.out_planes, output.size(-2), output.size(-1))
        return output

看完上述內(nèi)容，你們對如何解析基于Pytorch的動態(tài)卷積復(fù)現(xiàn)有進(jìn)一步的了解嗎？如果還想了解更多知識或者相關(guān)內(nèi)容，請關(guān)注億速云行業(yè)資訊頻道，感謝大家的支持。