TensorFlow中的三维卷积批量归一化

Question

我正在实现一个依赖于3D卷积的模型（对于类似于动作识别的任务），我想使用批量规范化（参见

下面的代码引用了TensorFlow r0.12，它显式地引用了变量——我的意思是我没有使用tf。承包商。学习tf以外的内容。承包商。图层。batch\u norm（）函数。我这样做是为了更好地理解事情是如何运作的，并且有更多的实现自由度（例如，变量摘要）。

我将通过首先编写完全连接层的示例，然后编写2D卷积，最后编写3D卷积，顺利地讨论3D卷积情况。在查看代码时，如果您可以检查是否所有操作都正确，那就太好了-代码运行了，但我不能百分之百确定我应用批处理规范化的方式。我以一个更详细的问题结束这篇文章。

import tensorflow as tf

# This flag is used to allow/prevent batch normalization params updates
# depending on whether the model is being trained or used for prediction.
training = tf.placeholder_with_default(True, shape=())

# Input.
INPUT_SIZE = 512
u = tf.placeholder(tf.float32, shape=(None, INPUT_SIZE))

# FC params: weights only, no bias as per [Ioffe & Szegedy 2015].
FC_OUTPUT_LAYER_SIZE = 1024
w = tf.Variable(tf.truncated_normal(
    [INPUT_SIZE, FC_OUTPUT_LAYER_SIZE], dtype=tf.float32, stddev=1e-1))

# Layer output with no activation function (yet).
fc = tf.matmul(u, w)

# Batch normalization.
fc_bn = tf.contrib.layers.batch_norm(
    fc,
    center=True,
    scale=True,
    is_training=training,
    scope='fc-batch_norm')

# Activation function.
fc_bn_relu = tf.nn.relu(fc_bn)
print(fc_bn_relu)  # Tensor("Relu:0", shape=(?, 1024), dtype=float32)

# Input: 640x480 RGB images (whitened input, hence tf.float32).
INPUT_HEIGHT = 480
INPUT_WIDTH = 640
INPUT_CHANNELS = 3
u = tf.placeholder(tf.float32, shape=(None, INPUT_HEIGHT, INPUT_WIDTH, INPUT_CHANNELS))

# CNN params: wights only, no bias as per [Ioffe & Szegedy 2015].
CNN_FILTER_HEIGHT = 3  # Space dimension.
CNN_FILTER_WIDTH = 3  # Space dimension.
CNN_FILTERS = 128
w = tf.Variable(tf.truncated_normal(
    [CNN_FILTER_HEIGHT, CNN_FILTER_WIDTH, INPUT_CHANNELS, CNN_FILTERS],
    dtype=tf.float32, stddev=1e-1))

# Layer output with no activation function (yet).
CNN_LAYER_STRIDE_VERTICAL = 1
CNN_LAYER_STRIDE_HORIZONTAL = 1
CNN_LAYER_PADDING = 'SAME'
cnn = tf.nn.conv2d(
    input=u, filter=w,
    strides=[1, CNN_LAYER_STRIDE_VERTICAL, CNN_LAYER_STRIDE_HORIZONTAL, 1],
    padding=CNN_LAYER_PADDING)

# Batch normalization.
cnn_bn = tf.contrib.layers.batch_norm(
    cnn,
    data_format='NHWC',  # Matching the "cnn" tensor which has shape (?, 480, 640, 128).
    center=True,
    scale=True,
    is_training=training,
    scope='cnn-batch_norm')

# Activation function.
cnn_bn_relu = tf.nn.relu(cnn_bn)
print(cnn_bn_relu)  # Tensor("Relu_1:0", shape=(?, 480, 640, 128), dtype=float32)

# Input: sequence of 9 160x120 RGB images (whitened input, hence tf.float32).
INPUT_SEQ_LENGTH = 9
INPUT_HEIGHT = 120
INPUT_WIDTH = 160
INPUT_CHANNELS = 3
u = tf.placeholder(tf.float32, shape=(None, INPUT_SEQ_LENGTH, INPUT_HEIGHT, INPUT_WIDTH, INPUT_CHANNELS))

# CNN params: wights only, no bias as per [Ioffe & Szegedy 2015].
CNN3D_FILTER_LENGHT = 3  # Time dimension.
CNN3D_FILTER_HEIGHT = 3  # Space dimension.
CNN3D_FILTER_WIDTH = 3  # Space dimension.
CNN3D_FILTERS = 96
w = tf.Variable(tf.truncated_normal(
    [CNN3D_FILTER_LENGHT, CNN3D_FILTER_HEIGHT, CNN3D_FILTER_WIDTH, INPUT_CHANNELS, CNN3D_FILTERS],
    dtype=tf.float32, stddev=1e-1))

# Layer output with no activation function (yet).
CNN3D_LAYER_STRIDE_TEMPORAL = 1
CNN3D_LAYER_STRIDE_VERTICAL = 1
CNN3D_LAYER_STRIDE_HORIZONTAL = 1
CNN3D_LAYER_PADDING = 'SAME'
cnn3d = tf.nn.conv3d(
    input=u, filter=w,
    strides=[1, CNN3D_LAYER_STRIDE_TEMPORAL, CNN3D_LAYER_STRIDE_VERTICAL, CNN3D_LAYER_STRIDE_HORIZONTAL, 1],
    padding=CNN3D_LAYER_PADDING)

# Batch normalization.
cnn3d_bn = tf.contrib.layers.batch_norm(
    cnn3d,
    data_format='NHWC',  # Matching the "cnn" tensor which has shape (?, 9, 120, 160, 96).
    center=True,
    scale=True,
    is_training=training,
    scope='cnn3d-batch_norm')

# Activation function.
cnn3d_bn_relu = tf.nn.relu(cnn3d_bn)
print(cnn3d_bn_relu)  # Tensor("Relu_2:0", shape=(?, 9, 120, 160, 96), dtype=float32)

我想确定的是上面的代码是否完全实现了[Ioffe中描述的批处理规范化

对于卷积层，我们还希望规范化遵循卷积特性，以便以相同的方式规范化位于不同位置的同一特征图的不同元素。为了实现这一点，我们在一个小型批处理中，在所有位置联合规范化所有激活。[…]Alg公司。2进行了类似的修改，以便在推理过程中，BN变换对给定特征映射中的每个激活应用相同的线性变换。

更新我想上面的代码对于3D conv情况也是正确的。事实上，当我定义我的模型时，如果我打印所有可训练变量，我还会看到beta和gamma变量的预期数量。例如：

Tensor("conv3a/conv3d_weights/read:0", shape=(3, 3, 3, 128, 256), dtype=float32)
Tensor("BatchNorm_2/beta/read:0", shape=(256,), dtype=float32)
Tensor("BatchNorm_2/gamma/read:0", shape=(256,), dtype=float32)

这对我来说看起来不错，因为由于BN，每个特征图（总共256个）都会学习一对beta和gamma。

[Ioffe

Answer 1

这是一篇关于3D batchnorm的好文章，人们通常没有注意到batchnorm可以应用于任何秩大于1的张量。您的代码是正确的，但我忍不住在这方面添加了一些重要注释：

>

“标准”2D batchnorm（接受4D tensor）在tensorflow中可能比3D或更高版本快得多，因为它支持应用一个内核操作的fused\u batch\u norm实现：

融合的批处理规范将进行批处理规范化所需的多个操作组合到一个内核中。批量定额是一个昂贵的过程，对于某些型号来说，它占了很大比例的操作时间。使用融合批次标准可导致12%-30%的加速。

GitHub上也存在支持3D过滤器的问题，但最近没有任何活动，目前该问题已关闭未解决。

虽然最初的论文规定在ReLU激活之前使用batchnorm（这就是您在上面的代码中所做的），但有证据表明，在激活之后使用batchnorm可能更好。以下是Francois Chollet对Keras GitHub的评论：

。。。我可以保证Christian[Szegedy]最近编写的代码在BN之前应用relu。不过，这偶尔还是一个争论的话题。

对于任何有兴趣在实践中应用规范化思想的人来说，这一思想的最新研究进展，即权重规范化和层规范化，它们修复了原始batchnorm的某些缺点，例如，它们更适用于LSTM和递归网络。