Pytorch Batch Normalization 中 track_running_stats問題
Batch Normalization,批規範化
BatchNormalization(簡稱為BN)[2],中文翻譯成批規範化,是在深度學習中普遍使用的一種技術,通常用於解決多層神經網路中間層的協方差偏移(Internal Covariate Shift)問題,類似於網路輸入進行零均值化和方差歸一化的操作,不過是在中間層的輸入中操作而已,具體原理不累述了,見[2-4]的描述即可。
在BN操作中,最重要的無非是這四個式子:
注意到這裡的最後一步也稱之為仿射(affine),引入這一步的目的主要是設計一個通道,使得輸出output至少能夠回到輸入input的狀態(當γ=1,β整個過程見流程圖,BN在輸入後插入,BN的輸出作為規範後的結果輸入的後層網路中。 好了,這裡我們記住了,在BN中,一共有這四個引數我們要考慮的:
- γ,β:分別是仿射中的weight和bias,在pytorch中用
weight
和bias
表示。 - μB和σB2:和上面的引數不同,這兩個是根據輸入的batch的統計特性計算的,嚴格來說不算是“學習”到的引數,不過對於整個計算是很重要的。在pytorch中,這兩個統計引數,用
running_mean
和running_var
running
指的就是當前的統計引數不一定只是由當前輸入的batch決定,還可能和歷史輸入的batch有關,詳情見以下的討論,特別是引數momentum
那部分。
Update 2020/3/16:
因為BN層的考核,在工作面試中實在是太常見了,在本文順帶補充下BN層的引數的具體shape大小。
以圖片輸入作為例子,在pytorch
中即是nn.BatchNorm2d()
,我們實際中的BN層一般是對於通道進行的,舉個例子而言,我們現在的輸入特徵(可以視為之前討論的batch中的其中一個樣本的shape)為x∈RC×W×H\mathbf{x} \in \mathbb{R}^{C \times W \times H}pytorch
中,通道數的另一個稱呼是num_features
,也即是特徵數量,因為不同通道的特徵資訊通常很不相同,因此需要隔離開通道進行處理。
有些朋友可能會認為這裡的weight應該是一個張量,而不應該是一個向量,其實不是的,這裡的weight其實應該看成是對輸入特徵圖的每個通道得到的歸一化後的xˆ\hat{\mathbf{x}}x^進行尺度放縮的結果,因此對於一個通道數為CCC的輸入特徵圖,那麼每個通道都需要一個尺度放縮因子,同理,bias也是對於每個通道而言的。這裡切勿認為yi←γxˆi+βy_i \leftarrow \gamma \hat{x}_i+\betayi←γx^i+β這一步是一個全連線層,他其實只是一個尺度放縮而已。關於這些引數的形狀,其實可以直接從pytorch
原始碼看出,這裡截取了_NormBase
層的部分初始程式碼,便可一見端倪。
在Pytorch中使用
Pytorch中的BatchNorm的API主要有:
一般來說pytorch中的模型都是繼承nn.Module
類的,都有一個屬性trainning
指定是否是訓練狀態,訓練狀態與否將會影響到某些層的引數是否是固定的,比如BN層或者Dropout層。通常用model.train()
指定當前模型model
為訓練狀態,model.eval()
指定當前模型為測試狀態。
同時,BN的API中有幾個引數需要比較關心的,一個是affine
指定是否需要仿射,還有個是track_running_stats
指定是否跟蹤當前batch的統計特性。容易出現問題也正好是這三個引數:trainning
,affine
,track_running_stats
。
- 其中的
affine
指定是否需要仿射,也就是是否需要上面算式的第四個,如果affine=False
,則γ=1,β=0\gamma=1,\beta=0γ=1,β=0,並且不能學習被更新。一般都會設定成affine=True
[10] trainning
和track_running_stats
,track_running_stats=True
表示跟蹤整個訓練過程中的batch的統計特性,得到方差和均值,而不只是僅僅依賴與當前輸入的batch的統計特性。相反的,如果track_running_stats=False
那麼就只是計算當前輸入的batch的統計特性中的均值和方差了。當在推理階段的時候,如果track_running_stats=False
,此時如果batch_size
比較小,那麼其統計特性就會和全域性統計特性有著較大偏差,可能導致糟糕的效果。
一般來說,trainning
和track_running_stats
有四種組合[7]
trainning=True
,track_running_stats=True
。這個是期望中的訓練階段的設定,此時BN將會跟蹤整個訓練過程中batch的統計特性。trainning=True
,track_running_stats=False
。此時BN只會計算當前輸入的訓練batch的統計特性,可能沒法很好地描述全域性的資料統計特性。trainning=False
,track_running_stats=True
。這個是期望中的測試階段的設定,此時BN會用之前訓練好的模型中的(假設已經儲存下了)running_mean
和running_var
並且不會對其進行更新。一般來說,只需要設定model.eval()
其中model
中含有BN層,即可實現這個功能。[6,8]trainning=False
,track_running_stats=False
效果同(2),只不過是位於測試狀態,這個一般不採用,這個只是用測試輸入的batch的統計特性,容易造成統計特性的偏移,導致糟糕效果。
同時,我們要注意到,BN層中的running_mean
和running_var
的更新是在forward()
操作中進行的,而不是optimizer.step()
中進行的,因此如果處於訓練狀態,就算你不進行手動step()
,BN的統計特性也會變化的。如
這個時候要將model.eval()
轉到測試階段,才能固定住running_mean
和running_var
。有時候如果是先預訓練模型然後載入模型,重新跑測試的時候結果不同,有一點效能上的損失,這個時候十有八九是trainning
和track_running_stats
設定的不對,這裡需要多注意。 [8]
假設一個場景,如下圖所示:
此時為了收斂容易控制,先預訓練好模型model_A
,並且model_A
內含有若干BN層,後續需要將model_A
作為一個inference
推理模型和model_B
聯合訓練,此時就希望model_A
中的BN的統計特性值running_mean
和running_var
不會亂變化,因此就必須將model_A.eval()
設定到測試模式,否則在trainning
模式下,就算是不去更新該模型的引數,其BN都會改變的,這個將會導致和預期不同的結果。Update 2020/3/17:
評論區的Oshrin朋友提出問題
作者您好,寫的很好,但是是否存在問題。即使將track_running_stats設定為False,如果momentum不為None的話,還是會用滑動平均來計算running_mean和running_var的,而非是僅僅使用本batch的資料情況。而且關於凍結bn層,有一些更好的方法。
這裡的momentum
的作用,按照文件,這個引數是在對統計引數進行更新過程中,進行指數平滑使用的,比如統計引數的更新策略將會變成:
其中的更新後的統計引數xˆnew\hat{x}_{\mathrm{new}}x^new,是根據當前觀察xtx_txt和歷史觀察xˆ\hat{x}x^進行加權平均得到的(差分的加權平均相當於歷史序列的指數平滑),預設的momentum=0.1
。然而跟蹤歷史資訊並且更新的這個行為是基於track_running_stats
為true
並且training=true
的情況同時成立的時候,才會進行的,當在track_running_stats=true, training=false
時(在預設的model.eval()
情況下,即是之前談到的四種組合的第三個,既滿足這種情況),將不涉及到統計引數的指數滑動更新了。[12,13]
這裡引用一個不錯的BN層凍結的例子,如:[14]
總結來說,在某些情況下,即便整體的模型處於model.train()的狀態,但是某些BN層也可能需要按照需求設定為model_bn.eval()的狀態。
Update 2020.6.19:
評論區有個同學問了一個問題:
K.G.lee:想問博主,為什麼模型測試時的引數為trainning=False, track_running_stats=True啊??測試不是用訓練時的滑動平均值嗎?為什麼track_running_stats=True呢?為啥要跟蹤當前batch??
我感覺這個問題問得挺好的,我們需要去翻下原始碼[15],我們發現我們所有的BatchNorm
層都有個共同的父類_BatchNorm
,我們最需要關注的是return F.batch_norm()
這一段,我們發現,其對training
的判斷邏輯是
eval
階段,這裡的track_running_stats
並不能設定為False
,原因很簡單,這樣會使得上面談到的training=True
,導致最終的期望程式錯誤。至於設定了track_running_stats=True
是不是會導致在eval
階段跟蹤測試集的batch
的統計引數呢?我覺得是不會的,我們追蹤會發現[16],整個流程的最後一步其實是呼叫了torch.batch_norm()
,其是呼叫C++的底層函式,其引數列表可和track_running_stats
一點關係都沒有,只是由training
控制,因此當training=False
時,其不會跟蹤統計引數的,只是會呼叫訓練集訓練得到的統計引數。(當然,時間有限,我也沒有繼續追到C++層次去看原始碼了)。Reference
[1].用pytorch踩過的坑
[2]. Ioffe S, Szegedy C. Batch normalization: accelerating deep network training by reducing internal covariate shift[C]// International Conference on International Conference on Machine Learning. JMLR.org, 2015:448-456.
[3].<深度學習優化策略-1>Batch Normalization(BN)
[4].詳解深度學習中的Normalization,BN/LN/WN
[5]. https://github.com/pytorch/pytorch/blob/master/torch/nn/modules/batchnorm.py#L23-L24
[6]. https://discuss.pytorch.org/t/what-is-the-running-mean-of-batchnorm-if-gradients-are-accumulated/18870
[7].BatchNorm2d增加的引數track_running_stats如何理解?
[8].Why track_running_stats is not set to False during eval
[9].How to train with frozen BatchNorm?
[10].Proper way of fixing batchnorm layers during training
[11].大白話《Understanding the Disharmony between Dropout and Batch Normalization by Variance Shift》
[12]. https://discuss.pytorch.org/t/what-does-model-eval-do-for-batchnorm-layer/7146/2
[13]. https://zhuanlan.zhihu.com/p/65439075
[14]. https://github.com/NVIDIA/apex/issues/122
[15]. https://pytorch.org/docs/stable/_modules/torch/nn/modules/batchnorm.html#BatchNorm2d
[16]. https://pytorch.org/docs/stable/_modules/torch/nn/functional.html#batch_norm