神经网络之卷积理解

卷积看了也使用了不少时间了，最近在知乎上如何理解深度学习中的deconvolution networks看到一个关于卷积的，感觉不错，因此有把那篇讲卷积的文章A guide to convolution arithmetic for deep learning看了一遍。

首先是卷积和反卷积的输入和输出形状（shape）大小，受到padding、strides和核的大小的影响。其计算如下：

操作	卷积	反卷积
non padding，no strides	o = (i - k) + 1	o’ = i’ + (k - 1)
arbitrary padding， no strdies	o = (i - k) + 2p + 1	o’ = i’ + (k - 1) - 2p
half padding, no strides	o = i	o’ = i’
full padding, no strides	o = i + (k - 1)	o’ = i’ - (k - 1)
non padding, non-unit strides	o = ⌊i−ks⌋+1	o’ = s(i’ - 1) + k
arbitrary padidng, non-unit strides	o = ⌊i+2p−ks⌋+1	o′=s(i′−1)+k−2p能被strides整除o′=s(i′−1)+a+k−2p不能被strides整除

注：其中o表示卷积操作输出结果，i表示卷积输入大小，k表示卷积核大小，p表示padding大小，s表示strides大小，o’, i’, k’, p’, s’则表示相应的反卷积操作大小. a 表示如果在卷积时移动步长（strides）不为1，且不能被strides整除，则其反卷积操作需要在输入i’的上边和右边补0，其大小为a，a = （i + 2k - p）.

卷积操作

关于在数学上的卷积公式就不多说了，全是一堆公式，在图像中卷积的应用而且有点不一样，直接上一个ufldl的神图，初始接触卷积就是看的这个教程。



就是通过一个卷积核在图片像素中移动进行计算，同时，这种平移计算卷积的操作也可以看成矩阵操作，对于上面一个输入为5x5的输入，核为3x3的卷积来说（无padding且1 strides），把输入、卷积核和输出都展开为向量形式：

输入为25维的列向量 x

x=[11100...01100]

核扩充为9x25维的矩阵 C

C=⎡⎣⎢⎢⎢⎢w0,00...0w0,1w0,00w0,2w0,10w0,3w0,200w0,30000.........⎤⎦⎥⎥⎥⎥=⎡⎣⎢1...00010000000......⎤⎦⎥

输出为4维的行向量y=Cx

x=[434243234]

前向传播

通过上述的矩阵表示，则前向传播可以表示为：

y=Cx

反向传播

神经网络的反向传播是通过链式求导计算的，后一层的误差乘以导数得到前一层的误差。则每层的梯度为：∂L∂y⋅∂y∂x

则对于单个xj有：

∂L∂xj=∑i∂L∂yi⋅∂yi∂xj=∑i∂L∂yi⋅Ci,j=∂L∂y⋅C∗,j=CT∗,j⋅∂L∂y

则对于x有：

∂L∂x=⎡⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢∂L∂x1∂L∂x2...∂L∂xn⎤⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥= ⎡⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢CT∗,1⋅∂L∂yCT∗,2⋅∂L∂y...CT∗,n⋅∂L∂y⎤⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥=CT⋅∂L∂y

反卷积操作（transposed convolution）

反卷积，其实就是卷积转置（transposed convolution），也称为微步卷积（fractionally strided convolutions），因为在反卷积中可能出现移动小于一步的情况，下面会介绍。

根据上面矩阵表示卷积的前向和反向传播的过程，其反卷积的操作就非常简单了，只需要对C进行转置就好了，C′=CT.

即：

x=CTy

∂L∂x=C⋅∂L∂y

因此，在反卷积中不需要改变核的大小。

不使用padding和strides

卷积操作

这种类型是最简单的



输出大小为：o=(i−k)+1

解释： 只看一次重做到右的滑动，一共滑动i−k次，在加上本身初始所在的位置，所以输出为(i−k)+1。

反卷积操作

为了使得到的输出结果比输出结果的shape大，需要改变其padidng的值。

k’ = k

s’ = s

p’ = k-1

解释：k和s在反卷积中不改变，卷积操作使得输出减小了k−1, 则反卷积操作需要使输出还原到原大小，即输出增加k−1, 得：i′+(k−1)=(i′+2p′−k′)+1 –> p′=k−1.

其过程如下所示：



输出大小为：o′=i′+(k−1)

解释：o′=（i′+2p′−k′)+1=i′+(k−1)

使用padding和不使用strides

卷积操作

使用padding在输入图像周围填充0，使输出的结果shape大于输入的结果（不是反卷积）。在实际实现卷积操作中没有计算这些0的乘法



输出大小为：o=(i−k)+2p+1

**解释：**padding在矩阵周围增加了p个单位的0，因此其输入大小增加为i+2p, 即，o=(i+2p−k)+1

反卷积操作

由于在卷积时在输入的四周补0了，所以在反卷积时需要重新计算p′, p′=k−p−1.

解释：同理，卷积操作减少了k−2p−1, 在反卷积中需要增加回来，则，i′+(k−2p−1)=(i′+2p;−k′)+1 –> p=k−p−1.



输出大小为：o′=i′+(k−1)−2p

解释：o′=（i′+2p′−k′)+1=i′+2(k−p−1)−k+1=i′+k−1−2p

注意：p′的重新计算和o′中使用的是p

奇数核一半的padding和不使用strides

这种结构比较好玩，就是使输入和输出的大小相同，VGG就是使用这种结构。

卷积操作

核：k=2n+1,，stride：s=1，padding：p=⌊k/2⌋=n



输出大小为：o=i+2⌊k/2⌋−(k−1)=i+2n−2n=i

反卷积操作

由于卷积的输入和输出的形状相同，则反卷积操作与卷积操作也相同。

即, k′=k,p′=p,s′=s



输出大小为：o′=i′+(k−1)−2p=i′+2n−2n=i′

奇数核-1大小的padding和不使用strides

stride：s=1，padding：p=k−1。

卷积操作

输出的结果比输入的大，输出增加了p大小。



输出大小为：o=i+2(k−1)−(k−1)=i+(k−1)

反卷积操作

相当于没有使用padding的反卷积操作，就是卷积操作中输出增加了k−1，则在反卷积中不使用padding，则输出大小减少k−1。



输出大小为：o′=i′+(k−1)−2p=i′−(k−1)

注意：使用的是p。

不使用padding和使用strides

即，卷积核一次移动多步。

卷积操作

输出大小为：o=⌊i−ks⌋+1

注意：上式进行了向下取整，也就是遇到奇数无法除尽的时候需要向下取整。这种情况需要额外注意，因为在反卷积中需要在其上面和左边补0, 该图在下一节一起放出。

反卷积操作

这种情况的反卷积比较好玩，需要在输入数据中插0。这也是微步卷积的由来（fractionally strided convolutions），由于在输入中插入0，导致strides移动<1。

核：k′=k，stride：s′=1，padding：p′=k−1

注意i′的大小为在输入中插入了s - 1个0。



输出大小为：o′=s(i′−1)+k

使用padding和使用strides

卷积操作

和不使用padding差不多，只不过四周补0了.



输出大小为：o=⌊i+2p−ks + 1

反卷积操作

对于移动步数刚好整除的

核：k′=k，stride：s′=1，padding：p′=k−p−1



输出大小为：o′=s(i′−1)+k−2p

对于无法整除的

这种情况需要在输入矩阵的上边和右边增加a排0，其中a=(i+2p−k)



输出大小为：o′=s(i′−1)+k+a−2p

references

图片来自：https://github.com/vdumoulin/conv_arithmetic

文章参考：A guide to convolution arithmetic for deep learning