python - 将剩余连接添加到简单的 CNN

Question

我使用剩余连接实现了以下 CNN，用于在 CIFAR10 上对 10 个类进行分类:

class ConvolutionalNetwork(nn.Module):  

  def __init__(self, filters=[32, 32, 32]):

    super(ConvolutionalNetwork, self).__init__()

    self.conv = []
    self.filters = filters
    in_channels = 3

    for out_channels in self.filters:
      self.conv.append(nn.Conv2d(in_channels, out_channels, 5, padding=2))
      in_channels = out_channels

    self.conv = nn.ModuleList(self.conv)
    self.fc = nn.Linear(self.filters[-1] * 32 * 32, 10)

  def forward(self, X):
    X = X.contiguous()

    for i, conv in enumerate(self.conv):
      res = X
      X = F.relu(conv(X))
      X += res

    X = X.reshape(-1,self.filters[-1]*self.size*self.size)

    X = self.fc(X)
    return F.log_softmax(X, dim=1)

基本上:Conv2d(5x5) --> ReLU --> Conv2d(5x5) --> ReLU --> Conv2d(5x5) --> ReLU --> 全连接层 --> SoftMax有剩余连接的性能比没有时差。我想知道:

1. 也许我没有正确使用它(我应该使用 nn.Identity() 还是其他一些 pytorch 类？)
2. 过滤器数量(我尝试了 [32,32,32] 和 [64,64,64])和跳过(多少跳？我做了一个，但也许这就是问题所在？)的最佳实践是什么？
3. 如何更改身份的维度以适应卷积网络的不同维度(即 [16, 32, 64] 过滤器)

Answer 1

我认为只有三层深度不足以让残差链接“启动”——我想这就是为什么没有残差连接的训练效果更好的主要原因。此外，您的全连接层具有 32K 的输入维度 - 这是巨大的。

对于 res 有 3 个 channel 而 X 有 32 个 channel 的第一个转换层，你的残差链接是如何工作的？

我会尝试以下方法:

1. 不要为第一个转换层添加剩余链接。
2. 在 conv 之后和 relu 之前添加 nn.BatchNorm2d。
3. 添加步幅 - 对特征映射进行子采样，因此您最终得到的完全连接层的特征明显少于 32K。