ShuffleNet系列论文阅读笔记（ShuffleNetV1和ShuffleNetV2）

ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices

论文链接：ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices

摘要

（1）CNN架构ShuffleNet是专门为计算能力有限的移动设备而设计

（2）ShuffleNet利用两种新的运算方法：

• 分组逐点（1 × 1）卷积（pointwise group convolution）
• 通道重排（channel shuffle）

作用：

（1）使用分组逐点卷积来降低1×1卷积的计算复杂度

（2）使用通道重排操作来帮助信息在特征通道间流动

Approach—方法

Channel Shuffle for Group Convolutions—用于分组卷积的通道重排

下图是分组卷积的图示，可以看到分组卷积参数量大大减少，计算量同样也会减少。

本文中的pointwise group convolution其实就是用1 × 1的卷积核进行分组卷积，进一步降低计算复杂度。

优点：通过确保每个卷积仅在相应的输入通道组上运行，组卷积降低了计算成本。

但是分组卷积的副作用：阻塞通道之间的信息并削弱表征能力。

如下图所示，沿着channel分成红、绿、蓝三组，各组之间的信息是不流通的，只能融合组内的信息。

解决方法

本文采用channel shuffle操作，通过将每个分组后的通道再分成几组子通道，并将不同分组中的不同子通道进行混合（洗牌操作），那么就可以保证不同分组间的特征通道的特征信息可以共享。

channel shuffle的作用： 跨通道信息交融。

下图中，（b) 第二个分组卷积是从第一个分组卷积里不同的组里拿数据（b是一种思想）；（c) 利用通道重排产生与（b) 等效的实现（c是一种实现）

channel shuffle通道重排过程

（c)的实现： 假设卷积层有g组，输出有g × n个通道，先将输出通道维数reshape为（g,n)的矩阵，再进行转置（transpose），展平（flatten），作为下一层的输入（即使两个卷积的组数不同，操作依然有效）

该过程可以直接调用pytorch的API实现，是可微分、可导的，计算效率很高，几乎没有额外的算力消耗，可以进行端到端的训练。

ShuffleNet Unit—ShuffleNet单元

ShuffleNet Unit是基于Resdual block改进得到的

（a)为一个Resdual block

①1×1卷积（降维）＋3×3深度卷积+1×1卷积（升维）
②之间有BN和ReLU
③最后通过add相加

（b)为输入输出特征图大小不变的ShuffleNet Unit

①将第一个用于降低通道数的1×1卷积改为1×1分组卷积 + Channel Shuffle
②去掉原3×3深度卷积后的ReLU
③ 将第二个用于扩增通道数的1×1卷积改为1×1分组卷积

（c)为输出特征图大小为输入特征图大小一半的ShuffleNet Unit（下次阿阳模块）

①将第一个用于降低通道数的1×1卷积改为1×1分组卷积 + Channel Shuffle
②令原3×3深度卷积的步长stride=2， 并且去掉深度卷积后的ReLU
③将第二个用于扩增通道数的1×1卷积改为1×1分组卷积
④shortcut上添加一个3×3平均池化层(stride=2)用于匹配特征图大小
⑤对于块的输出，将原来的add方式改为concat方式（通道加倍）

Q1：为什么在模块输出部分的逐点分组卷积后并没有使用channel shuffle？

因为此时得到的结果已经相当不错了，所以不需要进行通道重排了

Q2：为什么去掉第二个ReLU？

这个我们在MobileNetV2（点这里）里介绍过，作者发现训练过程中depthwise部分得到卷积核会废掉，认为造成这样的原因是由于ReLU函数造成的。

Q3：为什么用concat代替add？

扩大通道尺寸，无需额外计算成本

Network Architecture—网络体系结构

不同分组数的shuffleNet网络结构如下图：

（1）首先使用的普通的3 x 3的卷积和max pool层

（2）接着分为三个阶段：

​ 每个stage都是重复堆叠了几个ShuffleNet unit

​ 对于每个stage，第一个unit采用的是stride = 2，这样特征图width和height各降低一半，而通道数增加一倍

​ 后面的都是stride=1，特征图和通道数都保持不变

（3）对于基本单元来说，其中瓶颈层，就是3 x 3卷积层的通道数为输出通道数的1/4，这和残差单元的设计理念是一样的

同时从下图可以看出，并非分组数越多，运算量越小（g = 4 ) < ( g = 8 )

总结

通过group pointwise convolution分组1 x 1卷积和channel shuffle通道重排操作，降低参数量和计算量，扩增卷积核个数。

---

ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design

论文链接：ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design

摘要

神经网络架构的设计目前主要由计算复杂度的间接指标（即 FLOPs）来指导。

但是，直接指标（如速度）还依赖于其他因素。

本文主要工作

（1）提出了新的网络结构ShuffleNet V2

（2）指出过去在网络架构设计上仅注重间接指标 FLOPs 的不足，并提出两个基本原则和四个实用准则来指导网络架构设计

Introduction—简介

FLOPs作为衡量指标的不足，FLOPs是一个间接的指标。

直接指标是指速度或延迟。

四个网络架构在两个硬件平台、四种不同计算复杂度上的（验证集 ImageNet 分类）精度、速度和 FLOPs 结果。

从©和(d)可以看出，具有相似FLOPs的网络却具有不同的速度，在GPU上相同的FLOPs速度差异很大，在CPU上却很小。因此，使用FLOPs作为计算复杂度的唯一指标是不够的，可能会导致次优化设计。

FLOPS和FLOPs：

​ FLOPS: 全大写，指每秒浮点运算次数，可以理解为计算的速度，是衡量硬件性能的一个指标 (硬件)
​ FLOPs: s小写，指浮点运算数，理解为计算量，可以用来衡量算法/模型的复杂度，（模型）在论文中常用GFLOPs(1 GFLOPs = 10^9FLOPs)

下图反映了不同的轻量化模型在不同的硬件设备上的计算开销分布

element wise（逐元素操作）：relu()函数激活，残差网络的连接（add）等

Data：数据的输入输出

如果只优化FLOPs（对应加法乘法运算），相当于只优化卷积运算，从图中可以看出还有很多其他的操作的开销也很大，特别是在GPU上。

从上图可以得出以下的结论：

1.乘-加浮点运算次数FLOPs仅反映卷积层，仅为间接指标

2.不同硬件上的测试结果不同

3.数据读写的内存MAC占用影响很大

4.Element-wise逐元素操作带来的开销不可忽略

间接指标和直接指标差异的原因

（1）对速度有较大影响的几个重要因素对 FLOPs 不产生太大作用。

（2）由于平台的不同是，使用相同的FLOPs操作可能有不同的运行时间。

ShuffleNetv2提出的两个原则

第一，应该用直接指标（例如速度）替换间接指标（例如 FLOPs）。
第二，这些指标应该在目标平台上进行评估。

四条准则

准则一︰输入输出通道数相同时，内存访问量MAC最小

准则二︰分组数过大的分组卷积会增加MAC

准则三︰碎片化操作对并行加速不友好

准则四：逐元素噪作（Element-wise）带来的内存和耗时不可忽略

Practical Guidelines for Efficient Network Design—高效网络设计的实用准则

G1) Equal channel width minimizes memory access cost (MAC) – 相同通道宽度能够最小化MAC（内存访问成本）

1 × 1卷积其实是轻量化网络里面计算量最大，参数量最多，计算最密集的部分，特别是使用了深度可分离卷积之后。

1×1卷积核的参数由两个量决定:

• 1.输入通道数C1
• 2.输出通道数C2

假设一个1×1卷积层的输入特征通道数是c1，输出特征尺寸是h和w，输出特征通道数是c2，那么这样一个1×1卷积层的FLOPs就是下面式子所示 ：

（更具体的写法是B=1×1×c1×c2×h×w，这里省略了1×1）

假设计算设备的内存足够大能够储存整个计算图和参数，那么：

由中值不等式得：

因此理论上MAC的下界由FLOPs决定，当且仅当C1 = C2 时取得最小值。

G2) Excessive group convolution increases MAC—过度的组卷积会增加 MAC

组卷积是ResNext提出的结构，使用了稀疏的平行拓扑结构来减少计算复杂度：

作者发现，虽然使用组卷积在相同计算复杂度的情况下拓展了通道数，但是通道数的增加也使得MAC大大增加。

假设 g 是1x1组卷积的组数，则有：

将FLOPs，也就是B代入下式中：

即：

B和MAC其实是耦合的，所以在比较的情况下一般控制B不变进行比较。

可以看到，对于固定的输入大小 (h,w,ci) 和计算复杂度FLOPS (B)，MAC随着 g 的增大而增加。

因此虽然提高g可以降低参数量、计算量降低，但是副作用就是MAC增大，MAC增大速度就会降低。因此要在速度和精度之间进行平衡。

下图是实验结果，g是分组数，可以看出组数越大速度越慢，特别是对于GPU而言。

G3) Network fragmentation reduces degree of parallelism—网络碎片化会降低并行程度

碎片化操作：多分支、多通路，把网络变得很宽。

网络碎片化，减低模型的并行度，相应速度会慢。

GoogleNet系列就大量使用的Inception这样的multi-path结构（即存在一个lock中很多不同的小卷积或者pooling）增加了准确度:

下图为实验结果FLOPs固定，网络越碎片化，推理速度越慢，特别是对GPU并行运算设备（红框和红框比，黄框和黄框比）和小型网络（蓝色框参数表示网络大小）。

G4) Element-wise operations are non-negligible—Element-wise操作的影响不可忽略

这里实验发现如果将ResNet中残差单元中的ReLU和shortcut移除的话（最后一行），速度有20%的提升。单独移除也能提升速度（蓝色框内）。

ShuffleNet V2: an Efficient Architecture—一个高效的架构

基本单元

(a)和(b)ShuffleNet V1的基本单元（主要构成pointwise group convolution和channel shuffle）。

不足之处（有待商榷）

大量使用了1×1卷积，使用了分组卷积。—— 违背了 G2。
采用了类似ResNet中的瓶颈层（bottleneck layer），输入和输出通道数不同（升维再降维）。—— 违背了 G1。
使用太多分组。—— 违背了 G3。
短路连接中存在大量的元素级Add运算。—— 违背了G4。

©和(d)ShuffleNet V2的基本单元

©单元：ShuffleNet V2 的基本单元

（1）增加了Channel Split操作，实际上就是把输入通道分为2个部分，一半通道走左边分支，一半通道走右边分支。

（2）根据G1： 左边分支做恒等映射，右边的分支包含3个连续的卷积（有一个深度可分离卷积），并且输入和输出通道相同，每个分支中的卷积层的输入输出通道数都一致。

（3）根据G2： 两个1x1卷积不再是组卷积。

（4）根据G3： 减少基本单元数。因此有一个分支不做任何操作，直接做恒等映射。

（5）根据G4： 两个分支的输出不再是Add元素，而是concat在一起，紧接着是对两个分支concat结果进行channel shuffle，以保证两个分支信息交流。

完全满足G1和G2（恒等映射，输入输出通道一致；没用分组卷积），G3、G4（两个分支基本满足；ReLu函数的Element-wise操作不可避免）

注意： 右边分支最后那个1×1卷积后面是跟了BN以及ReLU的，这与v1先Add再ReLU不同。

(d)单元：用于空间下采样 (2×) 的 ShuffleNet V2 单元

对于下采样模块，不再有channel split，每个分支都有stride=2的下采样，最后concat在一起后，特征图空间大小减半，但是通道数翻倍。

注意：©和(d)单元都是在concat后再进行channel shuffle，以此保证通道间的信息交融。

ShuffleNet V2 的整体架构

v2在全局池化层之前增加了个conv5卷积，这是与v1的一个区别。

Analysis of Network Accuracy—网络精度分析

ShuffleNet V2高效且准确率高的原因：

（1）每个构建模块非常高效，可以产生更多的通道和高强的网络；

（2）在每个模块中，一半的特征通道直接穿过该模块去了下一个模块（恒等映射），这可以被看作为某种“特征复用”，并且衰减指数为(1/2)^n。

(a)是DenseNet论文中的图，表示第一个Dense Block中各个Dense Layer之间的权重绝对值。

​ DenseNet因为特征复用，所以性能很强大；

​ DenseNet训练出的特征复用模式，相邻的Dense Layer权重更大。

(b)是ShuffleNet V2各个Block之间通过channel split共享的复用通道数，相邻的block有更多的共享的复用特征，天然和DenseNet相似，因此性能也很强大。

总结

本文通过大量实验提出四条轻量化网络设计准则，对输入输出通道、分组卷积组数、网络碎片化程度、逐元素操作对不同硬件上的速度和内存访问量MAC的影响进行了详细分析。 提出ShuffleNet V2模型，通过Channel Split替代分组卷积，满足四条设计准则，达到了速度和精度的最优权衡。