优化实践 | 大改ShuffleNetV2网络，注意力机制，csp，卷积裁剪...

以下文章来源于DL工程实践 ，作者DDX

目录结构

1、背景介绍

2、提升精度措施

3、降低计算量-

      shufflenet_se网络

      shufflenet_sk网络

      shufflenet_liteconv网络

      shufflenet_k5网络

      shufflenet_csp网络

4、实验测试

5、总结

1.背景

在移动端场景中，目前有很多不错的轻量级网络可以选择，例如google的mobilenet系列，efficient lite系列，旷世的shufflenet系列，华为的ghostnet等。在这些模型中，我尤其喜欢shufflenetV2，因为它结构清晰，简洁（如下图所示为shufflenetv2 1.0x的结构图：红色标注为各个模块的flops），并且在设计之初就考虑了MAC（访存代价），使得在移动端部署的时候具有很低的延时。在多个数据集上的测试也验证了其较好的泛化性能。不过有时候为了实现在更低计算资源的嵌入式场景中使用shufflenet，或者在轻量级检测框架中使用shufflenet作为bakbone，那么仍然需要对shufflenet做一些优化。

本次实践将围绕对shufflenetV2 1.0X版本进行改进，包括提升精度与降低计算量两个维度。看看能否创造出一个比基线版本更优的shufflenet结构。在不加注释的情况下，下文的shufflenet默认指的是shufflenet v2 1.0x版本。

2、提升精度措施

结合目前比较火的注意力机制，例如senet，sknet等，这里分别设计四个网络：

增加se注意力机制的：shufflenet_se网络

增加sk注意力机制的：shufflenet_sk网络

将3*3的depthwise卷积扩大为5*5：shufflenet_k5网络

3、降低计算量

使用卷积裁剪以及csp技术，分别设计两个网络 ：

裁剪block中不重要的1*1卷积，这里设计一个shufflenet_liteconv网络

使用csp对网络进行重组，这里设计一个shufflenet_csp网络

shufflenet_se网络

主要是借鉴senet中的通道注意力机制，将其应用到shufflenet中。下面简单回顾一下senet中的注意力机制：

主要有两个操作：squeeze和excitation。squeeze指的是将特征通过GAP压缩空间信息，将原来的c*h*w维度信息压缩为c*1*1. Excitation使用了两个全连接层，第一个降低维度，将c*1*1降维为c/r *1*1（带有relu激活）,第二个fc层将特征重新映射回c*1*1（没有relu激活），然后经过sigmoid之后得到各个通道的权重系数。然后将权重系数与原来的特征相乘，从而得到一个新的特征。下面是seattention的pytroch代码实现，非常的简单，就是按照上面的思路实现一遍。

class SeAttention(nn.Module):

    def __init__(self, channel_num, r=4):

        """ Constructor

        """

        super(SeAttention, self).__init__()

        self.channel_num = channel_num

        self.r = r

        self.inter_channel = int( float(self.channel_num) / self.r)

        self.fc_e1 = torch.nn.Linear(channel_num, self.inter_channel)

        self.relu_e1 = nn.ReLU(inplace=True)

        self.fc_e2 = torch.nn.Linear(self.inter_channel, channel_num)

    def forward(self, x):

        y = torch.nn.functional.adaptive_avg_pool2d(x, (1, 1)).squeeze()

        y = self.fc_e1(y)

        y = self.relu_e1(y)

        y = self.fc_e2(y)

        y = torch.sigmoid(y).unsqueeze(-1).unsqueeze(-1)

        return x*y

shufflenet_sk网络

主要是借鉴了sknet中的注意力机制，用于选择大卷积核的输出还是小卷积核的输出。其原理图如下所示：

将特征X分别经过小卷积核(3*3)得到新的特征U3*3（图中黄色部分）；另外一路经过大卷积核（5*5）得到新的特征U5*5（图中绿色部分）。然后加两个新的特征U相加，然后经过SE相同的squeeze和excitation得到权重向量，注意这里的权重向量有两个，一个是针对U3*3的权重向量，另一个是针对U5*5的权重向量。最后用权重向量分别与对应的U相乘，最后相加得到新的特征输出V。主要代码如下：

class SKConv(nn.Module):

    def __init__(self, in_channels):

        """ Constructor

        Args:

            in_channels: input channel dimensionality.

            M: the number of branchs.

        """

        super(SKConv, self).__init__()

        r = 2.0

        L = 32

        d = max(int(in_channels / r), L)

        self.in_channels = in_channels

        self.conv1 = nn.Sequential(

            self.depthwise_conv(in_channels, in_channels, kernel_size=3, dilation=1, padding=1),

            nn.BatchNorm2d(in_channels),

            #nn.ReLU(inplace=False)

            )

        self.conv2 = nn.Sequential(

            self.depthwise_conv(in_channels, in_channels, kernel_size=3, dilation=2, padding=2),

            nn.BatchNorm2d(in_channels),

            # nn.ReLU(inplace=False)

            )

        self.fc1 = nn.Linear(in_channels, d)

        self.fc2 = nn.Linear(d, in_channels*2)

        self.softmax = nn.Softmax(dim=1)

   def forward(self, x):

       U1 = self.conv1(x)

       U2 = self.conv2(x)

       U = U1 + U2

       S = U.mean(-1).mean(-1)

       Z1 = self.fc1(S)

       Z2 = self.fc2(Z1)

       A = self.softmax(Z2)

       V = U1 * A[:,:self.in_chanels].unsqueeze(-1).unsqueeze(-1) + \

           U2 * A[:,self.in_channels:].unsqueeze(-1).unsqueeze(-1)

       return V

shufflenet_liteconv网络

通过观察shufflenet的block，可以分为两种结构，一种是每个stage的第一个block，该block由于需要降采样，升维度，所以对输入直接复制成两份，经过branch1,和branch2之后再concat到一起，通道翻倍，如下图中的降采样block所示。另外一种普通的block将输入split成两部分，一部分经过branch2的卷积提取特征后直接与branch1的部分进行concat。如下图中的普通block所示：

一般在DW卷积（depthwise卷积）的前或后使用1*1的卷积处于两种目的，一种是融合通道间的信息，弥补dw卷积对通道间信息融合功能的缺失。另一种是为了降维升维，例如mobilenet v2中的inverted reddual模块。而shufflenet中的block，在branch2中用了2个1*1卷积，实际上有一些多余，因为此处不需要进行升维降维的需求，那么只是为了融合dw卷积的通道间信息。实际上有一个1*1卷积就够了。为了剪裁的方便，将上图中的红色虚线框中的1*1卷积删除。实现shufflenet_liteconv版本。

shufflenet_k5网络

进一步观察shufflenet的计算量分布，实际上在dw卷积上的计算量占比是很小的，主要的计算量都在1*1的卷积上面。因此对dw卷积进行一个卷积核的扩张，既不会增加太多的计算比重，又能提升效果，何乐而不为呢。Shufflenet_k5将所有的3*3dw卷积替换成5*5的dw卷积，注意在pytroch实现中，需要将padding从1修改为2，这样输出的特征图才能保持与原来一致的分辨率。

shufflenet_csp网络

csp在大型网络上取得了很大的成功。它在每个stage，将输入split成两部分，一部分经过原来的路径，另一部分直接shortcut到stage的尾部，然后concat到一起。这既降低了计算量，又丰富了梯度信息，减少了梯度的重用，是一个非常不错的trip。在yolov4，yolov5的目标检测中，也引入了csp机制，使用了csp_darknet。此处将csp引入到shufflenet中。并且对csp做了一定的精简，最终使用csp stage精简版本作为最终的网络结构。

4、实验测试

对上述：shufflenet_se、shufflenet_sk、shufflenet_liteconv、shufflenet_k5、shufflenet_csp在cifar10数据集上进行训练，统计其最终的精度和flops，并与baseline的shufflenet进行对比，结果如下表所示：

网络结构                     Top1        实测flops（M）  参数规模（M）  模型文件大小

shufflenet(baseline)   0.880       147.79                1.263                 5116K

shufflenet_se              0.884      147.93                 1.406                5676K

shufflenet_sk              0.885      152.34                 1.555                6872K

shufflenet_liteconv    0.879       104.77                 0.923                3736K

shufflenet_k5             0.891       155.18                 1.303                5268K

shufflenet_csp           0.862       101.96                 0.924                3776K

对其中最重要的指标flops与top1精度进行可视化：

5、总结

从提升精度的角度看，shufflenet_k5的效果是最好的，比注意力机制的se和sk都要好。说明在轻量级网络中，注意力机制的收益并没有那么明显，没有直接提升dw卷积的卷积核来的收益高。最降低计算量方面，精简1*1卷积在几乎不降低精度的情况下，大约降低了约30%的计算量。Shufflenet_csp网络虽然能大幅降低计算量，但是精度降低的也很明显。分析原因，主要有两个，一是shufflenetv2本身已经使用了在输入通道split，然后concat的blcok流程，与csp其实是一样的，知识csp是基于一个stage，shufflenetv2是基于一个block，另外csp本来就是在densenet这种密集连接的网络上使用有比较好的效果，在轻量级网络上不见得效果会好。综上所述，如果为了提升精度，将卷积核扩大是最简单也最有效的，并且计算量只提升了5%。如果为了降低计算量，那么通过剪裁1*1卷积效果是最好的。