于卷积神经网络(CNN)骨干结构的思考
CNN Backbone往往是各种CNN模型的一个共享结构。
概念中提到，它是Object Detection, Scene Parsing, OCR等任务的前导性任务。
常用的 backbone 有
AlexNet:
https://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf
VGG:
https://arxiv.org/pdf/1409.1556.pdf
GoogleNet:
https://arxiv.org/pdf/1409.4842.pdf
Compact Bilinear:
https://arxiv.org/pdf/1511.06062.pdf
Residual Network:
https://arxiv.org/pdf/1512.03385.pdf Inception:
https://arxiv.org/pdf/1602.07261.pdf
Wide ResNet:
https://arxiv.org/pdf/1605.07146.pdf
FractalNet:
https://arxiv.org/pdf/1605.07648.pdf
DenseNet:
https://arxiv.org/pdf/1608.06993.pdf
ResNeXt:
https://arxiv.org/pdf/1611.05431.pdf
SORT:
https://arxiv.org/pdf/1703.06993.pdf
这个共享结构除了结构性的超参（总深度、总宽度）以外，反复使用了多种技巧，其中包括：
- Residual(残差): 直接elementwise加法。
- Concat(特征拼接): 直接对特征深度作拼接。
- Bottleneck(特征压缩): 通过Conv(1,1)对稀疏的或者臃肿的特征进行压缩
- Grouping(分组): fc-softmax分类器从1个观察点把不同类靠空间球心角分离开，不同类放射状散开不符合高斯假设。分组改善了这一点。
- Fractal(分形模式): 结构复用，可能带来好处
- High-Order(高阶): 在非分组时，可能带来好处
- Asymmetric(非对称): Conv(1,3),Conv(1,5),Conv(1,7)属于非对称结构，这个技巧在OCR处理长宽非1:1的字体有用
再次的，我们对结构有一个重新的审视：
AlexNet/VGG：普通
VGG： 加深
ResNet： 通过x+F(x)直接加法实现了Residual模块
Wide ResNet：加宽
FractalNet： 结构复用，使用Concat
ResNeXt：ResNet基础上对Conv(3,3)使用了分组，但是如果Conv(1,1)也分组甚至精度不降
GoogleNet/Inception：大量的非对称技巧
DenseNet：大量使用压缩
SORT：一个小trick使用elementwise x*F(x)实现高阶
Compact Bilinear：通过学习矩阵A实现x’Ay实现制造新的特征
如何优化CNN Backbone
我们在DataParallel的语境下面讨论这个问题。也就是说，每张显卡都保存一份参数全集，一份数据+数据形成FeatureMap的子集。
我们知道，就像组装深度学习服务器一样，你的预算一定的条件下，如何搭配一台服务器才能让CPU对数据预处理够用、内存加载数据够用、硬盘I/O够用，以及最重要的是，选择一块好的GPU卡。资源不是无限的。这其实是一个线性规划问题。在这里不赘述。
-
进行CNN Backbone优化同样有这个问题：
你的显存利用率和GPU算力利用率如何达到最高？
降低Batch-size会减小Feature Map占用缓存，但收敛情况怎么样，可能饮鸩止渴。
加宽直接影响参数数量。
加深不仅影响参数数量还影响Feature Map大小。
分组极大节省参数，甚至还能提高效果。
结构复用、压缩节省参数，增加计算量。
特征拼接、高阶操作降低并行效率，尤其不是inplace的那种。在动态图框架尤为如此。
Bilinear大量使用额外参数。
非对称带来额外的代码工作。
任何新颖结构的引入带来非连续超参，让模型BP，让超参优化无B可P。 -
如何提高CNN Backbone设计品位？
美就是简单
美就是复用
美就是对称
美就是分形
Inception-ResNet.v2干不过ResNeXt，我一点都不意外。
Mask-RCNN标配ResNeXt101 Backbone，我一点都不意外。