【深度学习】超轻量级网络SqueezeNet算法详解

Iandola, Forrest N., et al. “SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and< 1MB model size.” arXiv preprint arXiv:1602.07360 (2016).

本文考察了深度学习中除了精度之外的另一个重要因素：模型大小。有两处值得学习的亮点：

- 给出了一个分类精度接近AlexNet1的网络，模型缩小510倍

- 归纳了缩小模型尺寸时的设计思路

复习：卷积层的参数个数。

输入通道cic_i，核尺寸kk，输出通道coc_o，参数个数为：ci×k2×coc_i \times k^2 \times c_o。

以AlexNet第一个卷积层为例，参数量达到：3*11*11*96 = 34848。

基础模块

在当下许多深度学习的文章中都使用了模块化的设计思想，远者有AlexNet中反复出现的conv+relu+pool模式；近者有用于人体姿态分析的Stacked Hourglass算法（参看这篇博客）

本文使用的基础模块称为fire：



包含三个卷积层（蓝色），步长均为1。分为squeeze和expand两部分，分别压缩和扩展数据（灰色矩形）的通道数。

expand部分中，两个不同核尺寸的结果通过串接层（黄色）合并输出。

fire模块有三个可调参数：

- s1s_1: squeeze部分，1×1卷积层的通道数

- e1e_1: expand部分，1×1卷积层的通道数

- e3e_3: expand部分，3×3卷积层的通道数

输入输出尺寸相同。输入通道数不限，输出通道数为e1+e3e_1+e_3。

在本文提出的SqueezeNet结构中，e1=e3=4s1e_1=e_3= 4s_1。

网络结构

整个网络包含10层。

第1层为卷积层（蓝色），缩小输入图像，提取96维特征。

第2到9层为fire模块（红色），每个模块内部先减少通道数（squeeze）再增加通道数（expamd）。每两个模块之后，通道数会增加。

在1,4,8层之后加入降采样的max pooling（绿色），缩小一半尺寸。

第10层又是卷积层（蓝色），为小图的每个像素预测1000类分类得分。

最后用一个全图average pooling（绿色）得到这张图的1000类得分，使用softmax函数归一化为概率。



这是一个全卷积网络，避免了如今越来越不受待见的全连接层。由于最后一层提供了全图求平均操作，可以接受任意尺寸的输入。当然，输入还是需要归一化到大致相当的尺寸，保持统一尺度。

全连接层的参数多，对性能提升帮助不大，现在往往被pooling代替。

这个网络达到了和AlexNet相当的分类精度，但模型缩小了50倍：

architecture	model size	top-1 accuracy	top-5 accuracy
AlexNet	240MB	57.2%	80.3%
SqueezeNet	4.8MB	57.5%	80.3%

参数压缩

在网络结构确定的前提下，还可以进一步压缩其中的参数。本文使用了第二作者的Deep Compression2方法，包含裁剪，量化，编码三个手段。

AlexNet中卷积层的weight、bias以及全连层参数分布如下所示。可以看出：全连层参数和卷积层weight占绝大多数，卷积层的bias只占极小部分。



参数压缩针对卷积层的weight和全连层参数。每一层的参数单独压缩。

裁剪

由前图可以看出，绝大部分参数集中在0附近。

裁剪操作的第一步，把网络中所有绝对值小于门限的参数置0；非零参数再次训练进行优化。



第二步，用下标方法表示剩余的参数：记录非零参数值和其在数组中的下标。

论文声称使用compressed sparse row方法进行压缩，实际源码中并没有。

下标中相邻元素差值不会超过数组长度。为了进一步压缩，把下标表示成差分形式。

例：稀疏矩阵

⎡⎣⎢⎢⎢0500080600300000⎤⎦⎥⎥⎥\begin{bmatrix} 0 & 0 & 0 & 0 \\
5 & 8 & 0 & 0 \\
0 & 0 & 3 & 0 \\
0 & 6 & 0 & 0\end{bmatrix}

A = [ 5 8 3 6 ], IA = [4 5 10 13]

差分形式：IA = [4 1 5 3]

差分形式的IA动态范围大大缩小，可以用较少的比特数（4）进行编码。

当差值超出当前比特数能表示的范围后，在中间插入一个值为0的“非零元素”。

量化(Quantization)

首先，用K均值把所有参数聚成2n2^n个类。

之后，保持同一聚类内参数相等，对网络进行调优。在梯度下降时，归于同一类的节点的梯度相加，施加到该类的聚类中心上。

最后，使用n比特编码的聚类中心替代原有参数。



Deep Compression论文：卷积层，n=8； fc层，n=4。SqueezeNet中全部为卷积层，n=6。

问题：同类节点的梯度为什么相加？不是应该求平均吗？

编码(Huffman Encoding)

现在需要存储的主要数据有二：编码为n位的非零数据取值；编码为4位的非零元素下标。

这两者的分布都不均匀，可以使用Huffman编码进一步压缩存储。源码中没有实现。

模型存储结构

压缩后的二进制模型按层存储，当前层有nz个非零元素，分为如下4个部分：

name	type	size	note
codebook	float32	2^n	码书
bias	float32	输出通道数	无压缩
spm_stream	uint8	nz−18/n+1\frac{nz-1}{8/n}+1	非零元素取值，n位编码$
ind_stream	uint8	nz−18/4+1\frac{nz-1}{8/4}+1	非零元素下标，4位编码$

经过Deep Compression压缩，模型进一步缩小了10倍，仍然保持原有精度。

architecture	model size	top-1 accuracy	top-5 accuracy
AlexNet	240MB	57.2%	80.3%
SqueezeNet	4.8MB	57.5%	80.3%
SqueezeNet+DeepCompression	0.66MB	57.5%	80.3%

设计思路

本文还花费较大篇幅介绍了设计网络时的心得体会，颇具启发性。

参数组合

每层fire模块的三个参数如果单独设计，需要尝试的组合太多。需要使用超参数进行规划：

- 首个fire模块中包含base个3×3核；每隔freq个fire模块，3×3模块增加incre个。

- expand部分中，3×3核占expand中核总数比例为pct。

- squeeze中核数与expand中核数比例为sr。

sr和pct增大可以提升准确率，但模型尺寸增大。本文取sr=0.125，pct=0.5。

大尺度结构

在通道数相同的层之间，添加旁路相加结构可以明显提升准确性（源码未实现）。



带有卷积的旁路结构可以在任意层之间添加，准确性提升较小，模型增大。

压缩：有的放矢

问：如何确定哪些层不重要？

答：逐个将每一层50%参数置零，查看模型性能。对性能影响不大的层，不重要。

问：不重要的怎么办？

答：Deep Compression中使用较少比特数表达。

问：重要的层呢？

答：增加expand部分中的输出通道数，进一步提升准确率。

SDS训练法

本文还有一个神奇的发现：使用裁剪之后的模型为初始值，再次进行训练调优所有参数，正确率能够提升4.3%。

稀疏相当于一种正则化，有机会把解从局部极小中解放出来。这种方法称为DSD(dense->sparse->dense)。

A. Krizhevsky, I. Sutskever, and G. E. Hinton. Imagenet classification with deep convolutional neural networks. In NIPS, 2012. ↩
Iandola, Forrest N., et al. “SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and< 1MB model size.” arXiv preprint arXiv:1602.07360 (2016). ↩