Pytorch的BatchNorm层使用中容易出现的问题

版权声明：本文为博主原创文章，保留著作权，未经博主允许不得转载。如有疑问请联系QQ:973926198 https://blog.csdn.net/LoseInVain/article/details/86476010
前言：
本文主要介绍在pytorch中的Batch Normalization的使用以及在其中容易出现的各种小问题，本来此文应该归属于[1]中的，但是考虑到此文的篇幅可能会比较大，因此独立成篇，希望能够帮助到各位读者。如有谬误，请联系指出，如需转载，请注明出处，谢谢。
∇ \nabla∇ 联系方式：
e-mail: FesianXu@163.com
QQ: 973926198
github: https://github.com/FesianXu

Batch Normalization，批规范化
Batch Normalization（简称为BN）[2]，中文翻译成批规范化，是在深度学习中普遍使用的一种技术，通常用于解决多层神经网络中间层的协方差偏移(Internal Covariate Shift)问题，类似于网络输入进行零均值化和方差归一化的操作，不过是在中间层的输入中操作而已，具体原理不累述了，见[2-4]的描述即可。

在BN操作中，最重要的无非是这四个式子：
Input:Output:更新过程:μBσ2BxˆiyiB={x1,⋯,xm}，为m个样本组成的一个batch数据。需要学习到的是γ和β，在框架中一般表述成weight和bias。←1m∑i=1mxi    //得到batch中的统计特性之一：均值←1m∑i=1m(xi−μB)2    //得到batch中的另一个统计特性：方差←xi−μBσ2B+ϵ−−−−−−√    //规范化，其中ϵ是一个很小的数，防止计算出现数值问题。←γxˆi+β≡BNγ,β(xi)    //这一步是输出尺寸伸缩和偏移。 \begin{aligned}\mathbf{Input}: & \mathcal{B}=\{x_1,\cdots,x_m\}，为m个样本组成的一个batch数据 。\\\mathbf{Output}: & 需要学习到的是 \gamma和\beta，在框架中一般表述成\mathrm{weight}和\mathrm{bias}。\\更新过程: & \\ \mu_{\mathcal{B}} & \leftarrow \frac{1}{m} \sum_{i=1}^m x_i \ \ \ \ // 得到batch中的统计特性之一：均值 \\\sigma_{\mathcal{B}}^2 &\leftarrow \frac{1}{m} \sum_{i=1}^m (x_i - \mu_{\mathcal{B}})^2 \ \ \ \ // 得到batch中的另一个统计特性：方差 \\\hat{x}_i & \leftarrow \dfrac{x_i-\mu_{\mathcal{B}}}{\sqrt{\sigma_{\mathcal{B}}^2+\epsilon}} \ \ \ \ \\&// 规范化，其中\epsilon是一个很小的数，防止计算出现数值问题。\\y_i &\leftarrow \gamma \hat{x}_i+\beta \equiv \mathrm{BN}_{\gamma, \beta}(x_i) \ \ \ \ //这一步是输出尺寸伸缩和偏移。\end{aligned}
Input:
Output:
更新过程:
μ 
B
​    
 
σ 
B
2
​    
 
x
^
  
i
​    
 
y 
i
​    
 
​    
  
B={x 
1
​    
 ,⋯,x 
m
​    
 }，为m个样本组成的一个batch数据。
需要学习到的是γ和β，在框架中一般表述成weight和bias。
← 
m
1
​    
  
i=1
∑
m
​    
 x 
i
​    
     //得到batch中的统计特性之一：均值
← 
m
1
​    
  
i=1
∑
m
​    
 (x 
i
​    
 −μ 
B
​    
 ) 
2
     //得到batch中的另一个统计特性：方差
← 
σ 
B
2
​    
 +ϵ
​    
 
x 
i
​    
 −μ 
B
​    
 
​    
     
//规范化，其中ϵ是一个很小的数，防止计算出现数值问题。
←γ 
x
^
  
i
​    
 +β≡BN 
γ,β
​    
 (x 
i
​    
 )    //这一步是输出尺寸伸缩和偏移。
​    
 

注意到这里的最后一步也称之为仿射(affine)，引入这一步的目的主要是设计一个通道，使得输出output至少能够回到输入input的状态（当γ=1,β=0 \gamma=1,\beta=0γ=1,β=0时）使得BN的引入至少不至于降低模型的表现，这是深度网络设计的一个套路。
整个过程见流程图，BN在输入后插入，BN的输出作为规范后的结果输入的后层网络中。

forward
backward
forward
backward
input batch
Batch_Norm
Output batch
好了，这里我们记住了，在BN中，一共有这四个参数我们要考虑的：

γ,β \gamma, \betaγ,β：分别是仿射中的weight \mathrm{weight}weight和bias \mathrm{bias}bias，在pytorch中用weight和bias表示。
μB \mu_{\mathcal{B}}μ 
B
​    
 和σ2B \sigma_{\mathcal{B}}^2σ 
B
2
​    
 ：和上面的参数不同，这两个是根据输入的batch的统计特性计算的，严格来说不算是“学习”到的参数，不过对于整个计算是很重要的。在pytorch中，用running_mean和running_var表示[5]
在Pytorch中使用
Pytorch中的BatchNorm的API主要有：

torch.nn.BatchNorm1d(num_features, 
                     eps=1e-05, 
                     momentum=0.1, 
                     affine=True, 
                     track_running_stats=True)
1
2
3
4
5
一般来说pytorch中的模型都是继承nn.Module类的，都有一个属性trainning指定是否是训练状态，训练状态与否将会影响到某些层的参数是否是固定的，比如BN层或者Dropout层。通常用model.train()指定当前模型model为训练状态,model.eval()指定当前模型为测试状态。
同时，BN的API中有几个参数需要比较关心的，一个是affine指定是否需要仿射，还有个是track_running_stats指定是否跟踪当前batch的统计特性。容易出现问题也正好是这三个参数：trainning，affine，track_running_stats。

其中的affine指定是否需要仿射，也就是是否需要上面算式的第四个，如果affine=False则γ=1,β=0 \gamma=1,\beta=0γ=1,β=0，并且不能学习被更新。一般都会设置成affine=True[10]
trainning和track_running_stats，track_running_stats=True表示跟踪整个训练过程中的batch的统计特性，得到方差和均值，而不只是仅仅依赖与当前输入的batch的统计特性。相反的，如果track_running_stats=False那么就只是计算当前输入的batch的统计特性中的均值和方差了。当在推理阶段的时候，如果track_running_stats=False，此时如果batch_size比较小，那么其统计特性就会和全局统计特性有着较大偏差，可能导致糟糕的效果。
一般来说，trainning和track_running_stats有四种组合[7]

trainning=True, track_running_stats=True。这个是期望中的训练阶段的设置，此时BN将会跟踪整个训练过程中batch的统计特性。
trainning=True, track_running_stats=False。此时BN只会计算当前输入的训练batch的统计特性，可能没法很好地描述全局的数据统计特性。
trainning=False, track_running_stats=True。这个是期望中的测试阶段的设置，此时BN会用之前训练好的模型中的（假设已经保存下了）running_mean和running_var并且不会对其进行更新。一般来说，只需要设置model.eval()其中model中含有BN层，即可实现这个功能。[6,8]
trainning=False, track_running_stats=False 效果同(2)，只不过是位于测试状态，这个一般不采用，这个只是用测试输入的batch的统计特性，容易造成统计特性的偏移，导致糟糕效果。
同时，我们要注意到，BN层中的running_mean和running_var的更新是在forward()操作中进行的，而不是optimizer.step()中进行的，因此如果处于训练状态，就算你不进行手动step()，BN的统计特性也会变化的。如

model.train() # 处于训练状态

for data, label in self.dataloader:
    pred = model(data)  
    # 在这里就会更新model中的BN的统计特性参数，running_mean, running_var
    loss = self.loss(pred, label)
    # 就算不要下列三行代码，BN的统计特性参数也会变化
    opt.zero_grad()
    loss.backward()
    opt.step()
1
2
3
4
5
6
7
8
9
10
这个时候要将model.eval()转到测试阶段，才能固定住running_mean和running_var。有时候如果是先预训练模型然后加载模型，重新跑测试的时候结果不同，有一点性能上的损失，这个时候十有八九是trainning和track_running_stats设置的不对，这里需要多注意。 [8]

假设一个场景，如下图所示：

input
model_A
model_B
output
此时为了收敛容易控制，先预训练好模型model_A，并且model_A内含有若干BN层，后续需要将model_A作为一个inference推理模型和model_B联合训练，此时就希望model_A中的BN的统计特性值running_mean和running_var不会乱变化，因此就必须将model_A.eval()设置到测试模式，否则在trainning模式下，就算是不去更新该模型的参数，其BN都会改变的，这个将会导致和预期不同的结果。

Reference
[1]. 用pytorch踩过的坑
[2]. Ioffe S, Szegedy C. Batch normalization: accelerating deep network training by reducing internal covariate shift[C]// International Conference on International Conference on Machine Learning. JMLR.org, 2015:448-456.
[3]. <深度学习优化策略-1>Batch Normalization（BN）
[4]. 详解深度学习中的Normalization，BN/LN/WN
[5]. https://github.com/pytorch/pytorch/blob/master/torch/nn/modules/batchnorm.py#L23-L24
[6]. https://discuss.pytorch.org/t/what-is-the-running-mean-of-batchnorm-if-gradients-are-accumulated/18870
[7]. BatchNorm2d增加的参数track_running_stats如何理解？
[8]. Why track_running_stats is not set to False during eval
[9]. How to train with frozen BatchNorm?
[10]. Proper way of fixing batchnorm layers during training
[11]. 大白话《Understanding the Disharmony between Dropout and Batch Normalization by Variance Shift》