Dynamic ReLU激活函数

皮鼓坐凳子

已于 2022-07-01 13:43:24 修改

阅读量873

点赞数

分类专栏：激活函数大全文章标签：深度学习 pytorch 神经网络

于 2022-06-30 16:45:10 首次发布

本文链接：https://blog.csdn.net/weixin_38190702/article/details/125540813

版权

激活函数大全专栏收录该内容

32 篇文章 0 订阅

订阅专栏

第一个版本 Dynamic ReLU激活函数

论文链接：A Dynamic Rectified Linear Activation Units

年份:2019

1.简介

如果在相邻的两个训练期激活函数不同，那么相同梯度值的概率就会小。我们提出了一种新的激活函数，其形状可以在训练中动态改变。实验结果表明，这种具有“动态”特性的激活函数能够有效地避免梯度消失，使多层感知器神经网络更加深入。基于ReLU结合Leaky ReLU的特性，将Dynamic ReLU定义为：
$\begin{cases} x,&x>0\\ \alpha \beta x , &x\le 0 \end{cases}, \alpha\in(0, 1), \beta = |mse_{\tau-1}|$
其中 $\tau$ 为当前训练的Epoch， $\alpha=0.02$ ，而 $\beta$ 为动态变量，由当前训练的前一次的误差决定。因为 $\beta$ 在训练中是一个变量，这导致Dynamic ReLU函数的 $\alpha \beta$ 是一个变量而不是一个常数。它不同于Leaky ReLU 的常系数 $\alpha$ 。与ReLU和leaky ReLU相比，Dynamic ReLU函数在整个训练过程中几乎扫描了所有的第三象限区域，在负象限区域比LReLU更灵活。

为了避免MSE值过大而导致失败，又提出了一个变体函数称为Exp-Dynamic ReLU:
$Exp\_DReLU(x) = \begin{cases}x, &x>0\\ \alpha \gamma x, &x\le 0\\ \end{cases}, \alpha\in(0, 1), \beta=|mse_{\tau-1}|, \gamma= e^{-\beta}$
Exp-Dynamic ReLU可以有效地抑制 $\beta$ 的分布。

2.分析

Dynamic ReLU激活函数不需要额外的计算
Dynamic ReLU是动态的、收敛的。
Dynamic ReLU收敛性是独特的。
Dynamic ReLU具有更好的稳定性、准确性和高效率。
没有试验就没有发言权，但该函数是一个动态的ReLU，具体的效果应该不错，但负区域不会为0，这样稀疏性的优势就没有了，而且真正运算起来，训练时间较长。

第二个版本 Dynamic ReLU激活函数

论文链接：Dynamic ReLU

年份：2020

1.简介

修正线性单元(ReLU)是深度神经网络中常用的激活函数。到目前为止，ReLU及其变体(非参数或参数)是静态的，对所有输入样本执行相同的操作。由此提出Dynamic ReLU (DY-ReLU)，一个动态整流器的参数是由超函数产生的所有输入元素。关键的是DY-ReLU将全局上下文编码为超函数，并相应地适应分段线性激活函数。与静态对等体相比，DY-ReLU的额外计算成本可以忽略不计，但表示能力显著提高，特别是对于轻量级神经网络。

Dynamic ReLU (DY-ReLU)是一个动态分段函数，其参数依赖于输入。它既不增加网络的深度，也不增加网络的宽度，但可以有效地增加模型的能力，而额外的计算成本可以忽略不计。动态激活函数被定义为具有可学习参数 $\theta(x)$ 的 $f_{\theta(x)}(x)$ 的激活函数。
在这里插入图片描述

超函数 $\theta(x)$ ：计算激活函数的参数。
激活函数 $f_{\theta(x)}(x)$ ：利用参数 $\theta(x)$ 产生所有通道的激活函数。
超参数对所有输入元素 $x_c \in \mathbf{x}$ 的全局上下文进行编码，以确定合适的激活函数。

2. 定义

ReLU的公式为： $f (x) = m a x (x, 0)$ ， $x$ 为输入向量。对于第 $c^{th}$ 通道的输入为 $x_c$ ，由此可以计算出激活值为 $f_{c}(x) = max(x_c, 0)$ 。将ReLU被推广为一个参数分段函数 $f_{c}(x) = max_k(a_c^k x + b_c^k)$ ，根据所有输入元素 $\mathbf{x} = \{x_c\}$ 调整 $a_c^k$ ， $b_c^k$ ，将这个分段函数由静态扩展到动态。
$f_{\theta(x)}(x) = \max_{1\le k \le K}\{a_c^k(\mathbf{x})x_c + b_c^k(\mathbf{x})\}$
其中 $a_c^k, b_c^k)$ 是 $\theta(\mathbf{x})$ 的输出：
$\left[a_1^1, \cdots, a_C^1, \cdots, a_1^K, \cdots, a_C^K, b_1^1, \cdots, b_i^K, \cdots, b_1^K, \cdots, b_C^K \right]^T = \theta(\mathbf{x})$
$K$ 为函数数量， $C$ 为通道数量。激活参数不仅与 $x_c$ 相关，也与 $x_{j\neq c}$ 相关。这些超参数具体怎么获得呢？

2.1 超函数 $\theta(x)$ 的定义：

超参数 $\theta(x)$ 就是一些列的层结构，与SENet网络的Squeeze-and-Excitation的结构相似。对于一个输入维度为 $\mathbb{R}^{C\times H\times W}$ 的 $\mathbf{x}$ ，首先对空间信息进行全局平均池化压缩输出为 $\mathbb{R}^{C\times 1\times 1}$ ；再经过FC(全连接层)层 $\to$ ReLU激活函数 $\to$ FC(全连接层)层 $\to$ Normalization层。其中Normalization层为 $2\cdot sigmoid(x) - 1$ ，最终输出按初始化和变化之和计算如下：
$a_c^k(x) = \alpha^k + \lambda_a \Delta a_c^k(x)$
$b_c^k(x) = \beta^k + \lambda_b \Delta b_c^k(x)$

其中 $\alpha^k$ 与 $\beta^k$ 分别为 $a_c^k$ 和 $b_c^k$ 的初始值。 $\lambda_a$ 与 $\lambda_b$ 是控制残差输出系数的尺度。 $\alpha^k$ 、 $\beta^k$ 、 $\lambda_a$ 、 $\lambda_b$ 是超参数。当 $K = 2$ 时，默认值为 $\alpha^1 = 1$ ， $\alpha^2=\beta^1=\beta^2 = 0$ 。而 $\lambda_a$ 和 $\lambda_b$ 分别是1.0和0.5。

2.2 各种Dynamic ReLU的变体

2.2.1 DY-ReLU-A：

所有空间位置和通道共享相同的分段线性激活函数。计算量较小，但表示能力较弱
Dynamic ReLU-A的具体运算示意图如下图所示：

具体的Dynamic ReLU-A的pytorch代码如下：

import torch
import torch.nn as nn
import torchvision
import torch.nn.functional as F

class Normalization(nn.Module): #将输出系数归一化到(-1,1)之间
    def forward(self, x):
        return 2 * nn.sigmoid(x) - 1
        
class DynamicReLU_A(nn.Module):
    def __init__(self, channels, K=2,ratio=6):
        super(DynamicReLU_A, self).__init__()
        mid_channels = 2*K #2代表两个系数即斜率与截距，K为函数的个数

        self.K = K
        self.lambdas = torch.Tensor([1.]*K + [0.5]*K).float() #[1.0, 1.0, 0.5, 0.5]
        self.init_v = torch.Tensor([1.] + [0.]*(2*K - 1)).float()#[1.0, 0, 0, 0]

        self.avg_pool = nn.AdaptiveAvgPool2d(output_size=1)#平均池化
        self.dynamic = nn.Sequential(
            nn.Linear(in_features=channels,out_features=channels // ratio),#第一个FC
            nn.ReLU(inplace=True),
            nn.Linear(in_features=channels // ratio, out_features=mid_channels),#第二个FC
            Normalization()
        )

    def forward(self, x):
        b, c, _, _ = x.size()#维度[b, c, h, w]
        y = self.avg_pool(x).view(b, c)#维度[b, c]
        z = self.dynamic(y)#维度 [b, 2*K]

        relu_coefs = z.view(-1, 2 * self.K) * self.lambdas + self.init_v #首先把z维度变成[b, 2*k],然后乘系数加上偏置，输出维度[b, 2*k]
        x_perm = x.transpose(0, -1).unsqueeze(-1)#[b, c, h, w]-->[w, c, h, b]-->[w, c, h, b, 1 ]目的是为了让batch维度放在最后，这样容易与系数相乘
        output = x_perm * relu_coefs[:, :self.K] + relu_coefs[:, self.K:]# relu_coefs[:,:self.k]也就是最后一个维度的前k个为斜率，后k个为截距，输出维度为[w, c, h, b, 2]
        output = torch.max(output, dim=-1)[0].transpose(0, -1) # [w,c,h,b,2]-->[w,c,h,b,1]-->[w,c,h,b]-->[b,c,h,w]
        return output


##测试：
x = torch.rand([128, 3, 28, 28])
dyrelu_a = DynamicReLU_A(channels=3)
output = dyrelu_a(x)

2.2.2 DY-ReLU-B：

空间共享而通道不共享，超函数输出 $2 K C$ 个参数，每个通道 $2 K$ 个参数。
Dynamic ReLU-B的具体运算示意图如下图所示

具体的Dynamic ReLU-B的pytorch代码如下：

class Normalization(nn.Module): #将输出系数归一化到(-1,1)之间
    def forward(self, x):
        return 2 * nn.sigmoid(x) - 1
        
class DynamicReLU_B(nn.Module):
    def __init__(self, channels, K=2,ratio=6):
        super(DynamicReLU_B, self).__init__()
        mid_channels = 2*K*channels #输出的特征数为2*k*channels就，这里主要是通道不共享，为了之后变形出通道维度

        self.K = K
        self.channels = channels
        self.lambdas = torch.Tensor([1.]*K + [0.5]*K).float()#[1., 1., 0.5, 0.5]
        self.init_v = torch.Tensor([1.] + [0.]*(2*K - 1)).float()#[1., 0., 0.,0.]

        self.avg_pool = nn.AdaptiveAvgPool2d(output_size=1)# 平均池化[b, c, 1, 1]
        self.dynamic = nn.Sequential(
            nn.Linear(in_features=channels,out_features=channels // ratio),#第一个FC层[b, c/ratio]
            nn.ReLU(inplace=True),
            nn.Linear(in_features=channels // ratio, out_features=mid_channels),#第二个FC层[b, 2*k*c]
            Normalization()#归一化将输出归一到(-1, 1)之间[b, 2*k*c]
        )

    def forward(self, x):
        b, c, _, _ = x.size()#[b, c, h, w]
        y = self.avg_pool(x).view(b, c)#[b, c, 1, 1]-->[b, c]
        z = self.dynamic(y)#[b, 2*k*c]

        relu_coefs = z.view(-1, self.channels, 2 * self.K) * self.lambdas + self.init_v#[b, c, 2*k]，这里的将z变化为[b, c, 2*k],其它的维度没有了，把通道这个维度提取出来，因为通道不共享。
        x_perm = x.permute(2, 3, 0, 1).unsqueeze(-1)#[b, c, h, w]--->[h, w, b, c]--->[h, w, b, c, 1]
        output = x_perm * relu_coefs[:, :, :self.K] + relu_coefs[:, :, self.K:]#[h, w, b, c, 1]--->[h, w, b, c, 2]
        output = torch.max(output, dim=-1)[0].permute(2, 3, 0, 1)
        #[h, w, b, c, 2]--->max--->[h, w, b, c, 1]--->[h, w, b, c]--->permute--->[b, c, h, w]
        return output

2.2.3 DY-ReLU-C ：

空间通道都不共享，虽然效果最好，但是参数太大。
空间位置和通道均不共享，每个维度的每个元素都有对应的激活函数， $max_k\{a_{c,h,w}^k x_{c,h,w} + b_{c,h,w}^k\}$ 。这个版本的表达能力很强，但需要输出的参数为 $2 K C H W$ 。由此需要用全连接层输出带来额外的计算，将空间位置分解到另一个Attention分支，最后将维度参数乘以空间位置 $\pi_{1:HW}$ 。具体的Attention的计算使用 $1\times 1$ 和归一化的方法，归一化使用带约束的Softmax函数。
$\pi_{h,w} =\min \{ \frac{\gamma e^{\frac{z_{h,w}}{\tau}}}{\sum_{h,w}e^{\frac{z_{h,w}}{\tau}}}, 1 \}$
$\gamma$ 用于平均Attention，设为 $\frac{HW}{3}$ ，早期训练阶段使用 $\tau=10$ 来防止稀疏化。
Dynamic ReLU-C的具体运算示意图如下图所示

具体的Dynamic ReLU-C的pytorch代码如下：

class Normalization(nn.Module): #将输出系数归一化到(-1,1)之间
    def forward(self, x):
        return 2 * F.sigmoid(x) - 1
    
def softmax(z,gamma,t):

    bs=z.shape[0]# batch_size
    results=torch.zeros_like(z)
    for i in range(bs):
        x=z[i]#当前batch的数据
        x=x/t # 防止稀疏
        x_exp=torch.exp(x) #分子
        x_sum=torch.sum(x_exp) #分母
        result=gamma*x_exp/x_sum # softmax
        result[result>1]=1 #min(result, 1),比较result与1谁更小
        results[i]=result
    return results

class Spatial_Attention(nn.Module):
    def __init__(self, t=10, divisor=3):
        super(Spatial_Attention,self).__init__()
        self.t = t
        self.divisor = divisor
        
    def forward(self, x):
        H,w = x.shape[2:]
        gamma = H*w/self.divisor
        in_channel = x.shape[1]
        x = nn.Conv2d(in_channel, 1, kernel_size=1)(x)#1x1的卷积，输出channel为1
        #[b, c, w, h]--->[b, 1, h, w]
        x = softmax(x, gamma, self.t)
        #[b, 1, w, h]所有元素均少于1
        return x
class DynamicReLU_C(nn.Module):
    def __init__(self, channels, K=2,ratio=6,t=10,d=3):
        super(DynamicReLU_C, self).__init__()
        mid_channels = 2*K*channels*1 #输出的特征数为2*k*channels

        self.K = K
        self.t = t
        self.d = d
        self.ratio = ratio
        self.channels = channels
        self.lambdas = torch.Tensor([1.]*K + [0.5]*K).float()#[1., 1., 0.5, 0.5]
        self.init_v = torch.Tensor([1.] + [0.]*(2*K - 1)).float()#[1., 0., 0.,0.]

        self.avg_pool = nn.AdaptiveAvgPool2d(output_size=1)# 平均池化[b, c, 1, 1]
        self.dynamic = nn.Sequential(
            nn.Linear(in_features=channels,out_features=channels // self.ratio),#第一个FC层[b, c/ratio]
            nn.ReLU(inplace=True),
            nn.Linear(in_features=channels // self.ratio, out_features=mid_channels),#第二个FC层[b, 2*k*c]
            Normalization()#归一化将输出归一到(-1, 1)之间[b, 2*k*c*1]
        )
        self.spatial = Spatial_Attention(t,d)

    def forward(self, x):
        b, c, _, _ = x.size()#[b, c, h, w]
        y = self.avg_pool(x).view(b, c)#[b, c, 1, 1]-->[b, c]
        z = self.dynamic(y)#[b, 2*k*c]
        s = self.spatial(x)#[b,1,h,w]
        relu_coefs = z.view(-1, self.channels, 2 * self.K) * self.lambdas + self.init_v#[b, c, 2*k]
        x_perm = x.permute(2, 3, 0, 1).unsqueeze(-1)#[b, c, h, w]--->[h, w, b, c]-->[h,w,b,c,1]
        output = x_perm * relu_coefs[:, :, :self.K] + relu_coefs[:, :, self.K:]
        s = s.permute(2,3,0,1).unsqueeze(-1)#[b, 1, h, w]--->[h,w,b,1]--->[h,w,b,1,1]
        output = s*output
        output = torch.max(output, dim=-1)[0].permute(2, 3, 0, 1)
        return output