16-Identity Mappings in Deep Residual Networks

目录

概要

整体架构流程

总结

实践

参考

---

概要

这篇论文主要讲的是凯明大佬在resent发表之后，对resent中的shortcut的公式理解和结构改进实验。文中通过对残差模块的改建实验得到了残差模块的最优形式，在层数不断增大时，效果得到了极大的提升。

整体架构流程

图a未原始的transformer结构，右图为该文改进后的结构，可以看到在train，test loss上都有很大的提升。

Residual Units:

本文分别对h(x)与F(x)两个部分的内部结构进行改造，最终得到的结论为h(x)为恒等映射的话效果时最好的：

如果是恒等映射的话，那么当层数增加时，H(x)的梯度恒为1，

而如果不是恒等映射，而是增加了其他计算的话：

那么当层数增大时，H(x)的系数为L个个参数连乘，那么很容易发生系数很小，梯度消失，梯度难以回传到浅层的问题

对h(x)做了不同类型的尝试，最终确实是恒等映射的效果最好：

同时也对残差模块F（x）中激活，BN，addition的组合方式进行了探讨：

最终得到的full-pre-activation模式的组合效果是最好的

总结

• h，f 函数应该使用恒等映射，保证梯度可以直接回传至任意浅层，不容易产生梯度消失或爆炸，相比其它h，f函数效果更好
• h: 使用scale/gating/conv，会阻碍传播，产生优化问题
• f : 使用BN会阻断梯度的传播，不要加在addition之后
• ReLU不要加在残差模块的最后：希望残差模块的输出是-无穷-正无穷之间
• pre-activate:
• 1.保证f和h是恒等映射
• 2.在残差模块中将BN和Relu函数提前，效果最好
• 3.将BN放在weight之前：保证每一层残差模型的输入都是归一化的

实践

借鉴这篇论文在transormer中MHA和FFN中的残差模块模拟该文中提到的对比方式：

最终的结论与论文一致；pre-activation的效果是最好的。

参考

 论文：Identity Mappings in Deep Residual Networks