華為諾亞方舟實(shí)驗(yàn)室聯(lián)合悉尼大學(xué)發(fā)布論文《Kernel Based Progressive Distillation for Adder Neural Networks》，提出了針對(duì)加法神經(jīng)網(wǎng)絡(luò)的蒸餾技術(shù)，ResNet-34和ResNet-50網(wǎng)絡(luò)在ImageNet上分別達(dá)到了68.8%和76.8%的準(zhǔn)確率，效果與相同結(jié)構(gòu)的CNN相比持平或超越，該論文已被NeurIPS2020接收。

開源鏈接：
huawei-noah/AdderNet?github.com
論文鏈接：
https://arxiv.org/pdf/2009.13044.pdf?arxiv.org

研究背景

深度卷積神經(jīng)網(wǎng)絡(luò)（CNN）被廣泛應(yīng)用于諸多計(jì)算機(jī)視覺領(lǐng)域的實(shí)際任務(wù)中（例如，圖片分類、物體檢測(cè)、語義分割等）。然而，為了保證性能，神經(jīng)網(wǎng)絡(luò)通常是過參數(shù)化的，因此會(huì)存在大量的冗余參數(shù)。近期提出的加法神經(jīng)網(wǎng)絡(luò)（ANN），通過將卷積操作中的距離度量函數(shù)替換為L1距離，極大減少了神經(jīng)網(wǎng)絡(luò)中的乘法操作，從而減少了網(wǎng)絡(luò)運(yùn)行所需的功耗和芯片面積。
然而，ANN在準(zhǔn)確率方面和同結(jié)構(gòu)的CNN相比仍然有一定差距，在某種程度上限制了ANN在實(shí)際應(yīng)用中對(duì)CNN的替換。為了提高ANN的性能，我們提出了一種基于核的漸進(jìn)蒸餾方法。具體的，我們發(fā)現(xiàn)一個(gè)訓(xùn)練好的ANN網(wǎng)絡(luò)其參數(shù)通常服從拉普拉斯分布，而一個(gè)訓(xùn)練好的CNN網(wǎng)絡(luò)其參數(shù)通常服從高斯分布。因此，我們對(duì)網(wǎng)絡(luò)中間層的特征圖輸出進(jìn)行核變換后，使用距離度量函數(shù)估計(jì)教師網(wǎng)絡(luò)（CNN）和學(xué)生網(wǎng)絡(luò)（ANN）之間的損失。對(duì)于最后一層，我們使用傳統(tǒng)的KL散度估計(jì)兩個(gè)網(wǎng)絡(luò)之間的損失。同時(shí)，在訓(xùn)練中我們使用隨機(jī)初始化的教師網(wǎng)絡(luò)，與學(xué)生網(wǎng)絡(luò)同時(shí)訓(xùn)練，以減少兩個(gè)網(wǎng)絡(luò)之間參數(shù)分布的差異性。
實(shí)驗(yàn)表明，我們的算法得到的ANN能夠在CIFAR-10，CIFAR-100，ImageNet等標(biāo)準(zhǔn)圖片分類數(shù)據(jù)集上達(dá)到或超越同結(jié)構(gòu)CNN的準(zhǔn)確率。
對(duì)網(wǎng)絡(luò)中間層特征圖輸出進(jìn)行核變換
ANN本身精度不好的原因是原始ANN在反向傳播時(shí)，使用的是近似的梯度，導(dǎo)致目標(biāo)函數(shù)無法向著最小的方向移動(dòng)。傳統(tǒng)KD方法應(yīng)用到ANN上效果不佳的原因，在于ANN的權(quán)重分布是拉普拉斯分布，而CNN的權(quán)重分布為高斯分布，因此分布不同導(dǎo)致無法直接對(duì)中間層的feature map使用KD方法。本方法首先將核變換作用于教師網(wǎng)絡(luò)和學(xué)生網(wǎng)絡(luò)的中間層輸出，并使用1x1卷積對(duì)新的輸出進(jìn)行配準(zhǔn)。之后，結(jié)合最后一層的蒸餾損失與分類損失，得到整體的損失函數(shù)。

漸進(jìn)式蒸餾算法
傳統(tǒng)的蒸餾方法使用固定的，訓(xùn)練好的教師網(wǎng)絡(luò)來教學(xué)生網(wǎng)絡(luò)。這樣做會(huì)帶來問題。由于教師網(wǎng)絡(luò)和學(xué)生網(wǎng)絡(luò)處于不同的訓(xùn)練階段，因此他們的分布會(huì)因?yàn)橛?xùn)練階段的不同而不同，所以會(huì)導(dǎo)致KD方法效果不好。因此我們采用漸進(jìn)式蒸餾方法，讓教師網(wǎng)絡(luò)和學(xué)生網(wǎng)絡(luò)共同學(xué)習(xí)，有助于KD方法得到好的結(jié)果。即目標(biāo)函數(shù)變?yōu)椋?br />
其中b為當(dāng)前的step。
實(shí)驗(yàn)結(jié)果
我們?cè)贑IFAR-10、CIFAR-100、ImageNet三個(gè)數(shù)據(jù)集上分別進(jìn)行了實(shí)驗(yàn)。
下表是在CIFAR-10和CIFAR-100數(shù)據(jù)集上的結(jié)果，我們使用了VGG-small、ResNet-20與ResNet-32作為教師網(wǎng)絡(luò)，同結(jié)構(gòu)的ANN作為學(xué)生網(wǎng)絡(luò)。可以看到，使用了本方法得到的ANN在分類準(zhǔn)確率上相比原始的ANN有大幅度的提升，并且能夠超過同結(jié)構(gòu)的CNN模型。表格中#Mul表示網(wǎng)絡(luò)中乘法操作的次數(shù)。#Add表示加法操作次數(shù)，#XNOR表示同或操作的次數(shù)。

下表展示了在ImageNet數(shù)據(jù)集上的結(jié)果，我們使用ResNet-18與ResNet-50網(wǎng)絡(luò)作為教師網(wǎng)絡(luò)，同結(jié)構(gòu)的ANN作為學(xué)生網(wǎng)絡(luò)。結(jié)果顯示我們的方法得到的ANN在分類準(zhǔn)確率上相比同結(jié)構(gòu)CNN基本相同或能夠超越。

最后，我們展示了ResNet-20，ANN-20與通過本方法得到的PKKD ANN-20模型在CIFAR-10與CIFAR-100數(shù)據(jù)集上的訓(xùn)練精度曲線與測(cè)試精度曲線。

圖中的實(shí)線表示訓(xùn)練精度，虛線表示測(cè)試精度。在兩個(gè)數(shù)據(jù)集中，CNN的訓(xùn)練和測(cè)試準(zhǔn)確率都超過了原始的ANN模型。這是因?yàn)樵谟?xùn)練原始ANN時(shí)，反向傳播的梯度使用的是L2 norm來近似，因此梯度方向是不準(zhǔn)確的。當(dāng)使用本方法后，CNN的訓(xùn)練過程可以指導(dǎo)ANN的訓(xùn)練，因此可以得到更好的結(jié)果。同時(shí)，知識(shí)蒸餾方法能夠幫助學(xué)生網(wǎng)絡(luò)防止過擬合，這也是我們的方法有最低的訓(xùn)練精度和最高的測(cè)試精度的原因。

推薦閱讀

• 突破谷歌Dropout專利|華為諾亞開源Disout|多項(xiàng)AI任務(wù)超越Dropout
• 華人團(tuán)隊(duì)首創(chuàng)協(xié)同進(jìn)化壓縮算法，cycleGAN線上加速三倍以上！已開源

文章首發(fā)知乎，更多深度模型壓縮相關(guān)的文章請(qǐng)關(guān)注深度學(xué)習(xí)壓縮模型論文專欄。

審核編輯：符乾江