原論文 Attention Augmented Convolutional Networks

程式碼來源 leaderj1001/Attention-Augmented-Conv2d

匯入模組&cuda載入

import torch
import torch.nn as nn
import torch.nn.functional as F

use_cuda = torch.cuda.is_available()
device = torch.device("cuda" if use_cuda else "cpu")

初始化&forward

class AugmentedConv(nn.Module):
    def __init__(self, in_channels, out_channels, kernel_size, dk, dv, Nh, shape=0, relative=False, stride=1):
        super(AugmentedConv, self).__init__()
        self.in_channels = in_channels
        self.out_channels = out_channels
        self.kernel_size = kernel_size
        self.dk = dk
        self.dv = dv
        self.Nh = Nh
        self.shape = shape
        self.relative = relative  # 是否加入位置編碼
        self.stride = stride
        self.padding = (self.kernel_size - 1) // 2

        assert self.Nh != 0, "integer division or modulo by zero, Nh >= 1"
        assert self.dk % self.Nh == 0, "dk should be divided by Nh. (example: out_channels: 20, dk: 40, Nh: 4)"
        assert self.dv % self.Nh == 0, "dv should be divided by Nh. (example: out_channels: 20, dv: 4, Nh: 4)"
        assert stride in [1, 2], str(stride) + " Up to 2 strides are allowed."

        # 這裡要減去 dv，因為 conv_out 的輸出要和 attn_out 的輸出合併
        self.conv_out = nn.Conv2d(self.in_channels, self.out_channels - self.dv,
                                  self.kernel_size, stride=stride, padding=self.padding)

        # 這個卷積操作的目的就是得到 k, q, v， 注意卷積操作包含了計算 X * W_q, X * W_k, X * W_v 的過程
        self.qkv_conv = nn.Conv2d(self.in_channels, 2 * self.dk + self.dv,
                                  kernel_size=self.kernel_size, stride=stride, padding=self.padding)

        # attention 的結果仍要作為特徵層傳入卷積層進行特徵提取
        self.attn_out = nn.Conv2d(self.dv, self.dv, kernel_size=1, stride=1)

        if self.relative:  # 每個位置的w, h相對位置編碼的可學習引數量均為 2 * [w or h] - 1
            self.key_rel_w = nn.Parameter(torch.randn((2 * self.shape - 1, dk // Nh), requires_grad=True))
            self.key_rel_h = nn.Parameter(torch.randn((2 * self.shape - 1, dk // Nh), requires_grad=True))

    def forward(self, x):
        """
        attention augmented conv 的 “主函式”
        :param x: 輸入資料，形狀為 (batch_size, in_channels, height, width)
        :return: 最終輸出，形狀為 (batch, out_channels, height, width)
        """

        # conv_out -> (batch_size, out_channels - dv, height, width)
        conv_out = self.conv_out(x)
        batch, _, height, width = conv_out.size()

        # flat_q, flat_k, flat_v -> (batch_size, Nh, height * width, dvh or dkh)
        # dvh = dv / Nh, dkh = dk / Nh
        # q, k, v -> (batch_size, Nh, height, width, dv or dk)
        flat_q, flat_k, flat_v, q, k, v = self.compute_flat_qkv(x, self.dk, self.dv, self.Nh)
        logits = torch.matmul(flat_q.transpose(2, 3), flat_k)
        if self.relative:
            h_rel_logits, w_rel_logits = self.relative_logits(q)
            logits += h_rel_logits
            logits += w_rel_logits
        weights = F.softmax(logits, dim=-1)

        # attn_out -> (batch_size, Nh, height * width, dvh)
        attn_out = torch.matmul(weights, flat_v.transpose(2, 3))
        attn_out = torch.reshape(attn_out, (batch, self.Nh, self.dv // self.Nh, height, width))
        # combine_heads_2d -> (batch_size, dv, height, width)
        attn_out = self.combine_heads_2d(attn_out)
        attn_out = self.attn_out(attn_out)  # 將注意力運算結果作為特徵層傳入卷積層
        return torch.cat((conv_out, attn_out), dim=1)
 

功能函式

    def compute_flat_qkv(self, x, dk, dv, Nh):
        """
        計算 q, k, v 以及每個 head 的 q, k, v
        :param x: 輸入資料，形狀為 (batch_size, in_channels, height, width)
        :param dk: q, k 的維度
        :param dv: v 的維度
        :param Nh: 有多少個 head
        :return: flat_q, flat_k, flat_v, q, k, v
        """
        qkv = self.qkv_conv(x)  # 利用卷積操作求 q, k, v, 包含了計算 X * W_q, X * W_k, X * W_v 的過程
        N, _, H, W = qkv.size()
        q, k, v = torch.split(qkv, [dk, dk, dv], dim=1)  # 將卷積輸出按 channel 劃分為 q, k, v
        # 將single head 改為 multi-head
        q = self.split_heads_2d(q, Nh)
        k = self.split_heads_2d(k, Nh)
        v = self.split_heads_2d(v, Nh)

        dkh = dk // Nh
        q *= dkh ** -0.5
        # 得到每個 head 的 q, k, v
        flat_q = torch.reshape(q, (N, Nh, dk // Nh, H * W))
        flat_k = torch.reshape(k, (N, Nh, dk // Nh, H * W))
        flat_v = torch.reshape(v, (N, Nh, dv // Nh, H * W))
        return flat_q, flat_k, flat_v, q, k, v

    def split_heads_2d(self, x, Nh):
        """
        劃分 head
        :param x: q or k or v
        :param Nh: head 的數量，必須要能整除 q, k, v 的 channel 維度數
        :return: reshape 後的 q, k, v
        """
        batch, channels, height, width = x.size()
        ret_shape = (batch, Nh, channels // Nh, height, width)
        split = torch.reshape(x, ret_shape)
        return split

    def combine_heads_2d(self, x):
        """
        將所有 head 的輸出組合到一起
        :param x: 包含所有 head 的輸出
        :return: 組合後的輸出
        """
        batch, Nh, dv, H, W = x.size()
        ret_shape = (batch, Nh * dv, H, W)
        return torch.reshape(x, ret_shape)
 

位置編碼

    def relative_logits(self, q):
        """
        計算相對位置編碼
        :param q: q
        :return: h 和 w 的位置編碼
        """
        B, Nh, dk, H, W = q.size()
        # q -> (B, Nh, H, W, dk)
        q = torch.transpose(q, 2, 4).transpose(2, 3)
        # 分別計算 w 與 h 的一維編碼
        rel_logits_w = self.relative_logits_1d(q, self.key_rel_w, H, W, Nh, "w")
        rel_logits_h = self.relative_logits_1d(torch.transpose(q, 2, 3), self.key_rel_h, W, H, Nh, "h")

        return rel_logits_h, rel_logits_w

    def relative_logits_1d(self, q, rel_k, H, W, Nh, case):
        """
        計算一維位置編碼
        :param q: q，維度為(B, Nh, H, W, dk)
        :param rel_k: 位置編碼的可學習引數，形狀為為 (2 * [w or h] - 1, dk // Nh)
        :param H: 輸入特徵高度
        :param W: 輸入特徵寬度
        :param Nh: head 數量
        :param case: 區分 w 還是 h 的位置編碼
        :return: 位置編碼，形狀為 (B, Nh, H * W, H * W)
        """
        # 使用愛因斯坦求和約定，實現批量矩陣乘法
        rel_logits = torch.einsum('bhxyd,md->bhxym', q, rel_k)
        # 因為是一維位置編碼 (w or h)，所以另一個維度用不上
        rel_logits = torch.reshape(rel_logits, (-1, Nh * H, W, 2 * W - 1))
        # 加入位置資訊
        rel_logits = self.rel_to_abs(rel_logits)
        # 下面的操作都是為了最後能產生形狀為 (B, Nh, H * W, H * W) 的輸出，以便於與 logit 相加
        # 詳見 forward 函式第 18 行
        rel_logits = torch.reshape(rel_logits, (-1, Nh, H, W, W))
        rel_logits = torch.unsqueeze(rel_logits, dim=3)
        rel_logits = rel_logits.repeat((1, 1, 1, H, 1, 1))

        if case == "w":
            rel_logits = torch.transpose(rel_logits, 3, 4)
        elif case == "h":
            rel_logits = torch.transpose(rel_logits, 2, 4).transpose(4, 5).transpose(3, 5)
        # 改變形狀以便於與 logit 相加
        rel_logits = torch.reshape(rel_logits, (-1, Nh, H * W, H * W))
        return rel_logits

    def rel_to_abs(self, x):
        """
        相對 to 絕對，在位置編碼中加入絕對位置資訊
        :param x: 原始位置編碼，形狀為 (B, Nh * H, W, 2 * W - 1)
        :return: 位置編碼，形狀為 (B, Nh * H, W, W)
        """
        B, Nh, L, _ = x.size()
        # '0' 即絕對位置資訊，此後所有操作都是為了讓同一 [行 or 列] 的每個點的位置編碼的 '0' 出現的位置不同
        # 在最後一個維度的末尾，即每隔 2L - 1 的位置加入 0，
        # 這就是為什麼 key_rel_[w or h]，即可學習引數有 2 * [w or h] - 1 個
        col_pad = torch.zeros((B, Nh, L, 1)).to(x)
        x = torch.cat((x, col_pad), dim=3)

        # 每個 head 加入 L - 1 個 0， 為了讓每一 [行 or 列] 的 '0' 錯位
        flat_x = torch.reshape(x, (B, Nh, L * 2 * L))
        flat_pad = torch.zeros((B, Nh, L - 1)).to(x)
        flat_x_padded = torch.cat((flat_x, flat_pad), dim=2)
        # 將 (L * 2 * L) + (L - 1) 個編碼元素重新組織，使其形狀為為 (L + 1, 2 * L - 1)
        # 目的是讓 '0' 錯位，這樣每一 [行 or 列] 的點的位置編碼中 '0' 出現的位置不一樣
        # 相當於嵌入了絕對位置資訊
        final_x = torch.reshape(flat_x_padded, (B, Nh, L + 1, 2 * L - 1))
        # reshape 以便於後續操作
        final_x = final_x[:, :, :L, L - 1:]
        return final_x
 

使用示例

tmp = torch.randn((16, 3, 32, 32)).to(device)
augmented_conv1 = AugmentedConv(in_channels=3, out_channels=20, kernel_size=3, dk=40, dv=4, Nh=4, 
                                relative=True, padding=1, stride=2, shape=16).to(device)
conv_out1 = augmented_conv1(tmp)
print(conv_out1.shape)

for name, param in augmented_conv1.named_parameters():
    print('parameter name: ', name)

augmented_conv2 = AugmentedConv(in_channels=3, out_channels=20, kernel_size=3, dk=40, dv=4, Nh=4, 
                                relative=True, padding=1, stride=1, shape=32).to(device)
conv_out2 = augmented_conv2(tmp)
print(conv_out2.shape)