本文详细介绍了SqueezeNet网络结构，包括squeeze和expand部分，展示了如何通过fire模块减少参数数量。此外，文章还探讨了模型压缩技术，如裁剪、量化和编码，以进一步减小模型大小，同时保持与AlexNet相当的分类精度。通过Deep Compression，SqueezeNet模型的大小得以进一步压缩10倍。
s
1
s_1
s1: squeeze部分，1×1卷积层的通道数
e
1
e_1
e1: expand部分，1×1卷积层的通道数
e
3
e_3
e3: expand部分，3×3卷积层的通道数
输入输出尺寸相同。输入通道数不限，输出通道数为
e
1
+
e
3
e_1+e_3
e1+e3。
在本文提出的SqueezeNet结构中，
e
1
=
e
3
=
4
s
1
e_1=e_3= 4s_1
e1=e3=4s1。
网络结构
整个网络包含10层。 第2到9层为fire模块(红色)，每个模块内部先减少通道数(squeeze)再增加通道数(expamd)。每两个模块之后，通道数会增加。 第10层又是卷积层(蓝色)，为小图的每个像素预测1000类分类得分。
这是一个全卷积网络，避免了如今越来越不受待见的全连接层。由于最后一层提供了全图求平均操作，可以接受任意尺寸的输入。当然，输入还是需要归一化到大致相当的尺寸，保持统一尺度。
全连接层的参数多，对性能提升帮助不大，现在往往被pooling代替。
这个网络达到了和AlexNet相当的分类精度，但模型缩小了50倍：
architecture
model size
top-1 accuracy
top-5 accuracy
AlexNet
240MB
57.2%
80.3%
SqueezeNet
4.8MB
57.5%
80.3%
参数压缩
在网络结构确定的前提下，还可以进一步压缩其中的参数。本文使用了第二作者的Deep Compression[2](#fn2)方法，包含裁剪，量化，编码三个手段。
AlexNet中卷积层的weight、bias以及全连层参数分布如下所示。可以看出：全连层参数和卷积层weight占绝大多数，卷积层的bias只占极小部分。
参数压缩针对卷积层的weight和全连层参数。每一层的参数单独压缩。
裁剪
由前图可以看出，绝大部分参数集中在0附近。
裁剪操作的第一步，把网络中所有绝对值小于门限的参数置0；非零参数再次训练进行优化。
第二步，用下标方法表示剩余的参数：记录非零参数值和其在数组中的下标。
下标中相邻元素差值不会超过数组长度。为了进一步压缩，把下标表示成差分形式。
例：稀疏矩阵
[
0
0
0
0
5
8
0
0
0
0
3
0
0
6
0
0
]
\begin{bmatrix} 0 & 0 & 0 & 0 \\ 5 & 8 & 0 & 0 \\ 0 & 0 & 3 & 0 \\ 0 & 6 & 0 & 0\end{bmatrix}
⎣⎢⎢⎡0500080600300000⎦⎥⎥⎤
A = [ 5 8 3 6 ], IA = [4 5 10 13]
差分形式：IA = [4 1 5 3]
差分形式的IA动态范围大大缩小，可以用较少的比特数(4)进行编码。
当差值超出当前比特数能表示的范围后，在中间插入一个值为0的“非零元素”。
量化(Quantization)
首先，用K均值把所有参数聚成
2
n
2^n
2n个类。 最后，使用n比特编码的聚类中心替代原有参数。
Deep Compression论文：卷积层，n=8； fc层，n=4。SqueezeNet中全部为卷积层，n=6。
问题：同类节点的梯度为什么相加？不是应该求平均吗？
编码(Huffman Encoding)
现在需要存储的主要数据有二：编码为n位的非零数据取值；编码为4位的非零元素下标。
这两者的分布都不均匀，可以使用Huffman编码进一步压缩存储。源码中没有实现。
模型存储结构
压缩后的二进制模型按层存储，当前层有nz个非零元素，分为如下4个部分：
name
type
size
note
codebook
float32
2^n
码书
bias
float32
输出通道数
无压缩
spm_stream
uint8
n z − 1 8 / n + 1 \frac{nz-1}{8/n}+1 8/nnz−1+1
非零元素取值，n位编码$
ind_stream
uint8
n z − 1 8 / 4 + 1 \frac{nz-1}{8/4}+1 8/4nz−1+1
非零元素下标，4位编码$
经过Deep Compression压缩，模型进一步缩小了10倍，仍然保持原有精度。
architecture
model size
top-1 accuracy
top-5 accuracy
AlexNet
240MB
57.2%
80.3%
SqueezeNet
4.8MB
57.5%
80.3%
SqueezeNet+DeepCompression
0.66MB
57.5%
80.3%
设计思路
本文还花费较大篇幅介绍了设计网络时的心得体会，颇具启发性。
参数组合
每层fire模块的三个参数如果单独设计，需要尝试的组合太多。需要使用超参数进行规划：
首个fire模块中包含base个3×3核；每隔freq个fire模块，3×3模块增加incre个。- expand部分中，3×3核占expand中核总数比例为pct。- squeeze中核数与expand中核数比例为sr。
sr和pct增大可以提升准确率，但模型尺寸增大。本文取sr=0.125，pct=0.5。
大尺度结构
在通道数相同的层之间，添加旁路相加结构可以明显提升准确性(源码未实现)。
带有卷积的旁路结构可以在任意层之间添加，准确性提升较小，模型增大。
压缩：有的放矢
问：如何确定哪些层不重要？
答：逐个将每一层50%参数置零，查看模型性能。对性能影响不大的层，不重要。
问：不重要的怎么办？
答：Deep Compression中使用较少比特数表达。
问：重要的层呢？
答：增加expand部分中的输出通道数，进一步提升准确率。
SDS训练法
本文还有一个神奇的发现：使用裁剪之后的模型为初始值，再次进行训练调优所有参数，正确率能够提升4.3%。
稀疏相当于一种正则化，有机会把解从局部极小中解放出来。这种方法称为DSD(dense->sparse->dense)。
A. Krizhevsky, I. Sutskever, and G. E. Hinton. Imagenet classification with deep convolutional neural networks. In NIPS, 2012. ↩︎ 1. Iandola, Forrest N., et al. “SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and< 1MB model size.” arXiv preprint arXiv:1602.07360 (2016). ↩︎
扫一扫
3万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
