基于Pytorch的動態(tài)卷積復現(xiàn)

【GaintPandaCV導語】 最近動態(tài)卷積開始有人進行了研究，也有不少的論文發(fā)表（動態(tài)卷積論文合集https://github.com/kaijieshi7/awesome-dynamic-convolution），但是動態(tài)卷積具體的實現(xiàn)代碼卻很少有文章給出。本文以微軟發(fā)表在CVPR2020上面的文章為例，詳細的講解了動態(tài)卷積實現(xiàn)的難點以及如何動分組卷積巧妙的解決。希望能給大家以啟發(fā)。

這篇文章也同步到知乎平臺，鏈接為：https://zhuanlan.zhihu.com/p/208519425

論文的題目為《Dynamic Convolution: Attention over Convolution Kernels》

paper的地址arxiv.org/pdf/1912.0345

代碼實現(xiàn)地址，其中包含一維，二維，三維的動態(tài)卷積；分別可以用于實現(xiàn)eeg的處理，正常圖像的處理，醫(yī)療圖像中三維腦部的處理等等（水漫金山）。github.com/kaijieshi7/D，大家覺得有幫助的話，可以點個星星。

一句話描述下文的內容：將??的大小視為分組卷積里面的組的大小進行動態(tài)卷積。如??,那么就轉化成??，??的分組卷積。

簡單回顧

這篇文章主要是改進傳統(tǒng)卷積，讓每層的卷積參數(shù)在推理的時候也是隨著輸入可變的，而不是傳統(tǒng)卷積中對任何輸入都是固定不變的參數(shù)。（由于本文主要說明的是代碼如何實現(xiàn)，所以推薦給大家一個講解論文的連接：Happy：動態(tài)濾波器卷積｜DynamicConv)

對于卷積過程中生成的一個特征圖??，先對特征圖做幾次運算，生成??個和為??的參數(shù)??，然后對??個卷積核參數(shù)進行線性求和，這樣推理的時候卷積核是隨著輸入的變化而變化的。(可以看看其他的講解文章，本文主要理解怎么寫代碼)

下面是attention代碼的簡易版本，輸出的是[??,??]大小的加權參數(shù)。??對應著要被求和的卷積核數(shù)量。

class attention2d(nn.Module):
    def __init__(self, in_planes, K,):
        super(attention2d, self).__init__()
        self.avgpool = nn.AdaptiveAvgPool2d(1)
        self.fc1 = nn.Conv2d(in_planes, K, 1,)
        self.fc2 = nn.Conv2d(K, K, 1,)

    def forward(self, x):
        x = self.avgpool(x)
        x = self.fc1(x)
        x = F.relu(x)
        x = self.fc2(x).view(x.size(0), -1)
        return F.softmax(x, 1)

下面是文章中??個卷積核求和的公式。

其中??是輸入，??是輸出；可以看到??進行了兩次運算，一次用于求注意力的參數(shù)（用于生成動態(tài)的卷積核），一次用于被卷積。

但是，寫代碼的時候如果直接將??個卷積核求和，會出現(xiàn)問題。接下來我們先回顧一下Pytorch里面的卷積參數(shù)，然后描述一下可能會出現(xiàn)的問題，再講解如何通過分組卷積去解決問題。

Pytorch卷積的實現(xiàn)

我會從維度的視角回顧一下Pytorch里面的卷積的實現(xiàn)（大家也可以手寫一下，幾個重點：輸入維度、輸出維度、正常卷積核參數(shù)維度、分組卷積維度、動態(tài)卷積維度、attention模塊輸出維度）。

輸入：輸入數(shù)據(jù)維度大小為[?,??,??,??]。

輸出：輸出維度為[??,??,??,??]。

卷積核：正常卷積核參數(shù)維度為[??,??,??,??]。（在Pytorch中，2d卷積核參數(shù)應該是固定這種維度的）

這里我們可以注意到，正常卷積核參數(shù)的維度是不存在??的。因為對于正常的卷積來說，不同的輸入數(shù)據(jù)，使用的是相同的卷積核，卷積核的數(shù)量與一次前向運算所輸入的??大小無關（相同層的卷積核參數(shù)只需要一份）。

可能會出現(xiàn)的問題

這里描述一下實現(xiàn)動態(tài)卷積代碼的過程中可能因為??大于1而出現(xiàn)的問題。

對于圖中attention模塊最后softmax輸出的??個數(shù)，他們的維度為[??,??,??,??]，可以直接.view成[??,??]，緊接著??作用于??卷積核參數(shù)上（形成動態(tài)卷積）。

問題所在：正常卷積，一次輸入多個數(shù)據(jù)，他們的卷積核參數(shù)是一樣的，所以只需要一份網(wǎng)絡參數(shù)即可；但是對于動態(tài)卷積而言，每個輸入數(shù)據(jù)用的都是不同的卷積核，所以需要??份網(wǎng)絡參數(shù)，不符合Pytorch里面的卷積參數(shù)格式，會出錯。

看下維度運算[??,??]*[??,??,??,??,??],生成的動態(tài)卷積核是[??,??,??,??,??]，不符合Pytorch里面的規(guī)定，不能直接參與運算（大家可以按照這個思路寫個代碼看看，體會一下，光看可能感覺不出來問題），最簡單的解決辦法就是??等于1，不會出現(xiàn)錯誤，但是慢?。。。?/p>

總之，??大于1會導致中間卷積核參數(shù)不符合規(guī)定。

分組卷積以及如何通過分組卷積實現(xiàn)??大于1的動態(tài)卷積

一句話描述分組卷積：對于多通道的輸入，將他們分成幾部分各自進行卷積，結果concate。

組卷積過程用廢話描述：對于輸入的數(shù)據(jù)[??,??,??,??]，假設??為??，那么分組卷積就是將他分為兩個??為??的數(shù)據(jù)（也可以用其他方法分），那么維度就是[??, 5x2?,??,??]，換個維度換下視角，[??,??,??,??]，那么??為2的組卷積可以看成??的正常卷積。（如果還是有點不了解分組卷積，可以閱讀其他文章仔細了解一下。）

巧妙的轉換：上面將??翻倍即可將分組卷積轉化成正常卷積，那么反向思考一下，將??變?yōu)?，是不是可以將正常卷積變成分組卷積？

我們將??大小看成分組卷積中??的數(shù)量，令??所在維度直接變?yōu)?/span>??！?。≈苯訉⑤斎霐?shù)據(jù)從[??,??,??,??]變成[1,??,??,??]，就可以用分組卷積解決問題了！?。?/span>

詳細描述實現(xiàn)過程：將輸入數(shù)據(jù)的維度看成[1,??,??,??](分組卷積的節(jié)奏)；卷積權重參數(shù)初始化為[??,??,??,??,??]，attention模塊生成的維度為[??,??],直接進行正常的矩陣乘法[??,??]*[??,??*?*??*??]生成動態(tài)卷積的參數(shù)，生成的動態(tài)卷積權重維度為[??,??,??,??,??]，將其看成分組卷積的權重[??,??,??,??](過程中包含reshape)。這樣的處理就完成了，輸入數(shù)據(jù)[??,??,??,??]，動態(tài)卷積核[??,??,??,??]，直接是??的分組卷積，問題解決。

具體代碼如下：

class Dynamic_conv2d(nn.Module):
    def __init__(self, in_planes, out_planes, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, K=4,):
        super(Dynamic_conv2d, self).__init__()
        assert in_planes%groups==0
        self.in_planes = in_planes
        self.out_planes = out_planes
        self.kernel_size = kernel_size
        self.stride = stride
        self.padding = padding
        self.dilation = dilation
        self.groups = groups
        self.bias = bias
        self.K = K
        self.attention = attention2d(in_planes, K, )

        self.weight = nn.Parameter(torch.Tensor(K, out_planes, in_planes//groups, kernel_size, kernel_size), requires_grad=True)
        if bias:
            self.bias = nn.Parameter(torch.Tensor(K, out_planes))
        else:
            self.bias = None


    def forward(self, x):#將batch視作維度變量，進行組卷積，因為組卷積的權重是不同的，動態(tài)卷積的權重也是不同的
        softmax_attention = self.attention(x)
        batch_size, in_planes, height, width = x.size()
        x = x.view(1, -1, height, width)# 變化成一個維度進行組卷積
        weight = self.weight.view(self.K, -1)

        # 動態(tài)卷積的權重的生成， 生成的是batch_size個卷積參數(shù)（每個參數(shù)不同）
        aggregate_weight = torch.mm(softmax_attention, weight).view(-1, self.in_planes, self.kernel_size, self.kernel_size)
        if self.bias is not None:
            aggregate_bias = torch.mm(softmax_attention, self.bias).view(-1)
            output = F.conv2d(x, weight=aggregate_weight, bias=aggregate_bias, stride=self.stride, padding=self.padding,
                              dilation=self.dilation, groups=self.groups*batch_size)
        else:
            output = F.conv2d(x, weight=aggregate_weight, bias=None, stride=self.stride, padding=self.padding,
                              dilation=self.dilation, groups=self.groups * batch_size)

        output = output.view(batch_size, self.out_planes, output.size(-2), output.size(-1))
        return output

完整的代碼在github.com/kaijieshi7/D，大家覺得有幫助的話，求點個星星。

紙上得來終覺淺，絕知此事要躬行。試下代碼，方能體會其中妙處。

對文章有疑問或者想加入交流群，歡迎添加BBuf微信

為了方便各位獲取公眾號獲取資料，可以加入QQ群獲取資源，更歡迎分享資源