（原）MobileNetV2

转载请注明出处：

https://www.cnblogs.com/darkknightzh/p/9410574.html

论文：

MobileNetV2: Inverted Residuals and Linear Bottlenecks

网址：

https://arxiv.org/abs/1801.04381

代码：

官方的tensorflow代码：

https://github.com/tensorflow/models/tree/master/research/slim/nets/mobilenet

非官方的pytorch代码：

https://github.com/tonylins/pytorch-mobilenet-v2

参考网址：

https://blog.csdn.net/u011995719/article/details/79135818

https://github.com/Randl/MobileNetV2-pytorch/blob/master/model.py#L54

1. 深度可分离卷积

见MobileNetV1

2. 线性瓶颈层（linear bottlenecks）

mobileNetV2使用了线性瓶颈层。原因是，当使用ReLU等激活函数时，会导致信息丢失。如下图所示，低维（2维）的信息嵌入到n维的空间中，并通过随机矩阵T对特征进行变换，之后再加上ReLU激活函数，之后在通过T^-1进行反变换。当n=2，3时，会导致比较严重的信息丢失，部分特征重叠到一起了；当n=15到30时，信息丢失程度降低，但是变换矩阵已经是高度非凸的了。

由于非线性层会毁掉一部分信息，因而非常有必要使用线性瓶颈层。且线性瓶颈层包含所有的必要信息，扩张层则是供非线性层丰富信息使用。

下图对比了不同的卷积方式，其中颜色最浅的代表下一个块（本块输出，下块输入）。带斜杠的为不包含ReLU等非线性激活函数的层。传统的卷积如（a）所示，输入和输出维度不一样，且卷积核直接对输入的红色立方体进行滤波。（b）为可分离卷积，左侧3*3卷积的每个卷积核只对输入的对应层进行滤波，此时特征维度不变；右边的1*1的卷积对特征进行升维或者降维（图中为升维）。（c）中为带线性瓶颈层的可分离卷积，输入通过3*3 depthwise卷积+ReLU6，得到中间相同维度的特征。之后在通过1*1conv+ReLU6，得到降维后的特征（带斜线立方体）。之后在通过1*1卷积（无ReLU）进行升维。（d）中则是维度比较低的特征，先通过1*1conv（无ReLU）升维，而后通过3*3 depthwise卷积+ReLU6保持特征数量不变，再通过1*1conv+ReLU6得到降维后的下一层特征（下一层特征在升维时，无ReLU，因而图中最右边立方体带斜线）。

说明：（b）不太确定，因为如果左侧3*3的卷积为depthwise convolution的话，左侧红色矩形映射到中间应该是一个点，和（c）一样，但是（b）中出现了一个方框，不太懂。。。

文中提出了反转残差块（inverted residual block）的概念。下图显示了传统的残差块和反转残差块的区别。传统的残差块如（a）将高维特征先使用1*1conv降维，然后在使用3*3conv进行滤波，并使用1*1conv进行升维（这些卷积中均包含ReLU），得到输出特征（下一层的输入），并进行element wise的相加。反转残差块则是将低维特征使用1*1conv升维（不含ReLU），而后使用3*3conv+ReLU对特征进行滤波，并使用1*1conv+ReLU对特征再降维，得到本层特征的输出（即下一层特征的输入，由于下一层的输入在使用1*1conv升维时，无ReLU，因而最右边的立方体带斜线），并进行element wise的相加。

反转的原因，上面已经提到，瓶颈层的输入包含了所有的必要信息，因而右侧最左边的层后面不加ReLU，防止信息丢失。升维后，信息更加丰富，此时加上ReLU，之后在降维，理论上可以保持所有的必要信息不丢失。

为何使用ReLU？使用ReLU可以增加模型的稀疏性。过于稀疏了，信息就丢失了。。。

那瓶颈层内部为何需要升维呢？原因是为了增加模型的表达能力（不确定这样理解是否正确）：当使用ReLU对某通道的信息进行处理后，该通道会不可避免的丢失信息；然而如果有足够多的通道的话，某通道丢失的信息，可能仍旧保留在其他通道中，因而才会在瓶颈层内部对特征进行升维。文中附录证明了，瓶颈层内部升维足够大时，能够抵消ReLU造成的信息丢失（如文中将特征维度扩大了6倍）。

瓶颈层的具体结构如下表所示。输入通过1*1的conv+ReLU层将维度从k维增加到tk维，之后通过3*3conv+ReLU可分离卷积对图像进行降采样（stride>1时），此时特征维度已经为tk维度，最后通过1*1conv（无ReLU）进行降维，维度从tk降低到k’维。

需要注意的是，除了整个模型中的第一个瓶颈层的t=1之外，其他瓶颈层t=6（论文中Table 2），即第一个瓶颈层内部并不对特征进行升维。

另外，对于瓶颈层，当stride=1时，才会使用elementwise 的sum将输入和输出特征连接（如下图左侧）；stride=2时，无short cut连接输入和输出特征（下图右侧）。

3. 网络模型

MobileNetV2的模型如下图所示，其中t为瓶颈层内部升维的倍数，c为特征的维数，n为该瓶颈层重复的次数，s为瓶颈层第一个conv的步幅。

需要注意的是：

1) 当n>1时（即该瓶颈层重复的次数>1），只在第一个瓶颈层stride为对应的s，其他重复的瓶颈层stride均为1

2) 只在stride=1时，输出特征尺寸和输入特征尺寸一致，才会使用elementwise sum将输出与输入相加

3) 当n>1时，只在第一个瓶颈层特征维度为c，其他时候channel不变。

例如，对于该图中56²*24的那层，共有3个该瓶颈层，只在第一个瓶颈层使用stride=2，后两个瓶颈层stride=1；第一个瓶颈层由于输入和输出尺寸不一致，因而无short cut连接，后两个由于stride=1，输入输出特征尺寸一致，会使用short cut将输入和输出特征进行elementwise的sum；只在第一个瓶颈层最后的1*1conv对特征进行升维，后两个瓶颈层输出维度不变（不要和瓶颈层内部的升维弄混了）。

该层输入特征为56*56*24，第一个瓶颈层输出为28*28*32（特征尺寸降低，特征维度增加，无short cut），第二个、第三个瓶颈层输入和输出均为28*28*32（此时c=32，s=1，有short cut）。

另外，下表中还有一个k。MobileNetV1中提出了宽度缩放因子，其作用是在整体上对网络的每一层维度（特征数量）进行瘦身。MobileNetV2中，当该因子<1时，最后的那个1*1conv不进行宽度缩放；否则进行宽度缩放。

4. pytorch代码

 import torch.nn as nn
 import math

 def conv_bn(inp, oup, stride):
     return nn.Sequential(
         nn.Conv2d(inp, oup, 3, stride, 1, bias=False),
         nn.BatchNorm2d(oup),
         nn.ReLU6(inplace=True)
     )

 def conv_1x1_bn(inp, oup):
     return nn.Sequential(
         nn.Conv2d(inp, oup, 1, 1, 0, bias=False),
         nn.BatchNorm2d(oup),
         nn.ReLU6(inplace=True)
     )

 class InvertedResidual(nn.Module):
     def __init__(self, inp, oup, stride, expand_ratio):
         super(InvertedResidual, self).__init__()
         self.stride = stride
         assert stride in [1, 2]

         self.use_res_connect = self.stride == 1 and inp == oup

         self.conv = nn.Sequential(
             # pw
             nn.Conv2d(inp, inp * expand_ratio, 1, 1, 0, bias=False),
             nn.BatchNorm2d(inp * expand_ratio),
             nn.ReLU6(inplace=True),
             # dw
             nn.Conv2d(inp * expand_ratio, inp * expand_ratio, 3, stride, 1, groups=inp * expand_ratio, bias=False),
             nn.BatchNorm2d(inp * expand_ratio),
             nn.ReLU6(inplace=True),
             # pw-linear
             nn.Conv2d(inp * expand_ratio, oup, 1, 1, 0, bias=False),
             nn.BatchNorm2d(oup),
         )

     def forward(self, x):
         if self.use_res_connect:
             return x + self.conv(x)
         else:
             return self.conv(x)

 class MobileNetV2(nn.Module):
     def __init__(self, n_class=1000, input_size=224, width_mult=1.):
         super(MobileNetV2, self).__init__()
         # setting of inverted residual blocks
         self.interverted_residual_setting = [
             # t, c, n, s
             [1, 16, 1, 1],
             [6, 24, 2, 2],
             [6, 32, 3, 2],
             [6, 64, 4, 2],
             [6, 96, 3, 1],
             [6, 160, 3, 2],
             [6, 320, 1, 1],
         ]

         # building first layer
         assert input_size % 32 == 0
         input_channel = int(32 * width_mult)
         self.last_channel = int(1280 * width_mult) if width_mult > 1.0 else 1280
         self.features = [conv_bn(3, input_channel, 2)]
         # building inverted residual blocks
         for t, c, n, s in self.interverted_residual_setting:
             output_channel = int(c * width_mult)
             for i in range(n):
                 if i == 0:
                     self.features.append(InvertedResidual(input_channel, output_channel, s, t))
                 else:
                     self.features.append(InvertedResidual(input_channel, output_channel, 1, t))
                 input_channel = output_channel
         # building last several layers
         self.features.append(conv_1x1_bn(input_channel, self.last_channel))
         self.features.append(nn.AvgPool2d(input_size/32))
         # make it nn.Sequential
         self.features = nn.Sequential(*self.features)

         # building classifier
         self.classifier = nn.Sequential(
             nn.Dropout(),
             nn.Linear(self.last_channel, n_class),
         )

         self._initialize_weights()

     def forward(self, x):
         x = self.features(x)
         x = x.view(-1, self.last_channel)
         x = self.classifier(x)
         return x

     def _initialize_weights(self):
         for m in self.modules():
             if isinstance(m, nn.Conv2d):
                 n = m.kernel_size[0] * m.kernel_size[1] * m.out_channels
                 m.weight.data.normal_(0, math.sqrt(2. / n))
                 if m.bias is not None:
                     m.bias.data.zero_()
             elif isinstance(m, nn.BatchNorm2d):
                 m.weight.data.fill_(1)
                 m.bias.data.zero_()
             elif isinstance(m, nn.Linear):
                 n = m.weight.size(1)
                 m.weight.data.normal_(0, 0.01)
                 m.bias.data.zero_()