Keras的BatchNormalization和PyTorch的BatchNormal2D之间的区别？

Question

我有一个在Keras和PyTorch中实现的小型CNN示例。当我打印这两个网络的摘要时，可训练参数的总数是相同的，但参数总数和批量规范化的参数数量不匹配。

以下是CNN在Keras的实施情况：

inputs = Input(shape = (64, 64, 1)). # Channel Last: (NHWC)

model = Conv2D(filters=32, kernel_size=(3, 3), padding='SAME', activation='relu', input_shape=(IMG_SIZE, IMG_SIZE, 1))(inputs)
model = BatchNormalization(momentum=0.15, axis=-1)(model)
model = Flatten()(model)

dense = Dense(100, activation = "relu")(model)
head_root = Dense(10, activation = 'softmax')(dense)

为上述模型打印的摘要是：

Model: "model_8"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_9 (InputLayer)         (None, 64, 64, 1)         0         
_________________________________________________________________
conv2d_10 (Conv2D)           (None, 64, 64, 32)        320       
_________________________________________________________________
batch_normalization_2 (Batch (None, 64, 64, 32)        128       
_________________________________________________________________
flatten_3 (Flatten)          (None, 131072)            0         
_________________________________________________________________
dense_11 (Dense)             (None, 100)               13107300  
_________________________________________________________________
dense_12 (Dense)             (None, 10)                1010      
=================================================================
Total params: 13,108,758
Trainable params: 13,108,694
Non-trainable params: 64
_________________________________________________________________

下面是PyTorch中相同模型架构的实现：

# Image format: Channel first (NCHW) in PyTorch
class CustomModel(nn.Module):
def __init__(self):
    super(CustomModel, self).__init__()
    self.layer1 = nn.Sequential(
        nn.Conv2d(in_channels=1, out_channels=32, kernel_size=(3, 3), padding=1),
        nn.ReLU(True),
        nn.BatchNorm2d(num_features=32),
    )
    self.flatten = nn.Flatten()
    self.fc1 = nn.Linear(in_features=131072, out_features=100)
    self.fc2 = nn.Linear(in_features=100, out_features=10)

def forward(self, x):
    output = self.layer1(x)
    output = self.flatten(output)
    output = self.fc1(output)
    output = self.fc2(output)
    return output

以下是上述模型摘要的输出：

----------------------------------------------------------------
        Layer (type)               Output Shape         Param #
================================================================
            Conv2d-1           [-1, 32, 64, 64]             320
              ReLU-2           [-1, 32, 64, 64]               0
       BatchNorm2d-3           [-1, 32, 64, 64]              64
           Flatten-4               [-1, 131072]               0
            Linear-5                  [-1, 100]      13,107,300
            Linear-6                   [-1, 10]           1,010
================================================================
Total params: 13,108,694
Trainable params: 13,108,694
Non-trainable params: 0
----------------------------------------------------------------
Input size (MB): 0.02
Forward/backward pass size (MB): 4.00
Params size (MB): 50.01
Estimated Total Size (MB): 54.02
----------------------------------------------------------------

正如您在上面的结果中看到的，Keras中的批处理归一化比PyTorch有更多的参数（确切地说是2倍）。那么上述CNN架构有什么区别？如果它们是等效的，那么我在这里错过了什么？

Answer 1

Keras将许多将在图层中“保存/加载”的东西视为参数（权重）。

虽然这两种实现自然都具有批次的累积“平均值”和“方差”，但这些值不能通过反向传播进行训练。

尽管如此，这些值每批都会更新一次，Keras将它们视为不可训练的权重，而PyTorch只是将它们隐藏起来。这里的术语“不可训练”意味着“不可通过反向传播进行训练”，但并不意味着值被冻结。

它们总共是BatchNormize层的4组“权重”。考虑到选定的轴（默认=-1，您的图层的大小=32）

• 缩放比例（32）-可培训

在Keras中这样做的好处是，当您保存图层时，您还可以保存均值和方差值，就像您自动保存图层中的所有其他权重一样。当您加载图层时，这些权重会一起加载。