Deep Learning Note: 4-5 卷积神经网络案例分析（2）

Author: nex3z 2018-01-17

2. ResNet

　　由于存在梯度爆炸和梯度消失的问题，往往难以训练很深的神经网络。ResNet 通过将一层的激活值直接传递给更深的层，使得训练非常深（如超过 100 层）的神经网络成为可能。

2.1. Residual Block

　　ResNet 由 Residual Block 组成，为了说明 Residual Block 的结构，先看一个普通的两层网络结构，如图 1 所示：

　　其计算过程如图 2 所示：

　　即：

$$\begin{equation} z^{[l+1]} = W^{[l+1]}a^{[l]} + b^{[l+1]} \\ a^{[l+1]} = g(z^{[l+1]}) \\ z^{[l+2]} = W^{[l+2]}a^{[l+1]} + b^{[l+2]} \\ a^{[l+2]} = g(z^{[l+2]}) \end{equation}$$

　　上式中的 $g(z)$ 为 ReLU 激活函数。

　　Residual Block 对上面的结构进行了修改，除了上面的计算流程，还将 $a^{[l]}$ 直接引入到了第二层线性模块之后，此时网络中有两条计算路径，Main Path 和 Short Cut，如图 3 所示：

　　现在 $a^{[l+2]}$ 的计算变为：

$$\begin{equation} a^{[l+2]} = g(z^{[l+2]} + a^{[l]}) \tag{1} \end{equation}$$

　　有时图 3 中的 Short Cut 也称为 Skip Connection，即 $a^{[l]}$ 跳过（Skip）了接近两层网络，直接传递给了更深层的网络。

　　在图 4 所示的普通网络（Plane Network）中加入 Short Cut，即可得到如图 5 所示的 ResNet。

　　理论上，网络层数越多，就越能更好地拟合训练集，训练错误应该随只网络层数的增加而下降，如图 6 左边的绿色曲线所示。而在实际中，如果在普通网络上使用如梯度下降等优化算法，通常会发现随网络层数的增加，训练错误先下降、后上升，如图 6 左边的蓝色曲线，因为随着网络层数的增加，优化算法对网络的训练变得越来越困难，网络层数过深时，其性能反而会下降。

　　而对于 ResNet，随着网络层数的增加，其训练错误持续下降，如图 6 右边蓝色曲线所示。Residual Block 中的 Short Cut 通过将前层的激活值跨层传递到网络深处，有助于解决梯度爆炸和梯度消失的问题，从而有助于训练更深（如 1000 层）的网络。

2.2. ResNet 的原理

　　下面通过一个例子说明可以通过 ResNet 训练非常深层的网络的原因。假设有一个很大的神经网络，其输入为 $x$，输出为 $a^{[l]}$，如图 7 所示：

　　现在在网络的最后追加一个 Residual Block，如图 8 所示：

　　此时网络输出 $a^{[l+2]}$ 为：

$$\begin{align} a^{[l+2]} & = g(z^{[l+2]} + a^{[l]}) \\ & = g(W^{[l+2]}a^{[l+1]} + b^{[l+2]} + a^{[l]}) \tag{2} \end{align}$$

　　假设使用 ReLU 作为激活函数 $g(z)$，当 $W^{[l+2]}$ 和 $b^{[l+2]}$ 都为 0 时，式 (2) 变为：

$$\begin{equation} a^{[l+2]} = g(a^{[l]}) = a^{[l]} \end{equation}$$

　　因为使用 ReLU 作为激活函数，各层激活值均不小于 0，ReLU 函数在大于 0 的区间为恒等函数，故有上式的 $g(a^{[l]}) = a^{[l]}$，此时新添加的 Residual Block 完全没有作用。

　　对于图 8 中添加的 Residual Block，它可以很容易地通过学习变成了一个恒等函数（$W^{[l+2]}$ 和 $b^{[l+2]}$ 都为 0），则图 8 中的网络就相当于图 7 中的网络，性能不会比不添加 Residual Block 的网络差；如果添加的 Residual Block 通过训练学习到了一些知识，则会提高网络的性能。而对于普通的网络，随着层数的增加，网络会越来越难以学习到恒等函数，层数过多时性能反而会下降。

　　值得注意的是，式 (2) 中计算 $z^{[l+2]} + a^{[l]}$ 的前提是 $z^{[l+2]}$ 和 $a^{[l]}$ 具有相同的维度，ResNet 中通常使用 Same Padding 来保证 Residual Block 的输入和输出具有相同的维度。如果 $z^{[l+2]}$ 和 $a^{[l]}$ 具有不同的维度，则可以引入一个大小为 $n^{[l+2]} \times n^{[l]}$ 的参数 $W_s$，使得 $W_sa^{[l]}$ 与 $z^{[l+2]}$ 的维度相同，即：

$$\begin{align} a^{[l+2]} & = g(z^{[l+2]} + W_sa^{[l]}) \end{align}$$

　　$W_s$ 的值可以通过学习得到，也可以设置为固定值，比如只对 $a^{[l]}$ 补零。

2.3. ResNet 的结构

　　ResNet 的论文中给出的一个 ResNet 结构如图 9 所示：

　　图 9 中带箭头的曲线即为 Skip Connection，由此构成 Residual Block。网络中有大量的 $3 \times 3$、Same Padding 的卷积层，保证输入和输出具有相同的维度。该网络中也使用了多个卷积层后接一个池化层的结构，由于池化层导致数据的高度和宽度缩小，此时需要调整数据的维度（图 9 中虚线）。