贾扬清分享_深度学习框架caffe

Caffe是一个清晰而高效的深度学习框架,其作者是博士毕业于UC Berkeley的 贾扬清,目前在Google工作。本文是根据机器学习研究会组织的online分享的交流内容,简单的整理了一下。

目录

1、caffe分享

我用的ppt基本上和我们在CVPR上要做的tutorial是类似的,所以大家如果需要更多的内容的话,可以去tutorial.caffe.berkeleyvision.org,也欢迎来参加我们的tutorial。网页上应该还有一些python的样例帮助大家上手,所以欢迎参观。ppt比较长,所以我想我主要就介绍一下背景以及high level的内容,然后更多关注大家有一些什么具体的问题,希望大家觉得OK。slider here

1.1、caffe起源

大家最近一段时间应该已经听到很多关于deep learning的八卦了,deep learning比较流行的一个原因,主要是因为它能够自主地从数据上学到有用的feature,特别是对于一些不知道如何设计feature的场合,比如说图像和speech deep learning可以学习到比以往比如说sift或者MFCC这样手工设计的feature更好的方法, 而且像slide 4显示的一样,这些feature有很强的semantic的含义。所以很多时候在用到其他的一些task的时候会很有效,这也是为什么我们可以用一个feature来实现很多比如说识别,检测,物体分割这样的不同task的缘故。

anyway,deep learning其实说回来是个挺久的话题了,Yann Lecun在89年的时候就提出了convolutional Neural Net的idea 然后在手写数字上获得了很大的成功。最近deep learning重新受到关注,最大的原因是两个:

  • 一个是大规模的数据集使得我们可以学习到远比digit更加复杂的概念
  • 另外一个是大规模并行计算让我们可以做很快的优化,使得以前我们没法想象的计算量都变成小case了

所以这些都很美好。但是问题是写code还挺麻烦的。所以大家肯定希望有个比较好用的框架来很快上手和试试这些deep learning的算法。 所以这就是Caffe了!Caffe是我在Berkeley写thesis的时候想学习C++和cuda写的,然后写完了觉得我自己用太亏了,所以想贡献给community让大家来用。所以如果你看见一些写得很烂的code,不要骂我。

1·2、caffe介绍

caffe的好处是,我们基本上可以用一个比较简单的语言(google protobuffer)来定义许多网络结构,然后我们可以在CPU或者GPU上面执行这些代码,而且cpu和gpu在数学结果上是兼容的。然后,所有的模型和recipe我们都会公布出来,使得我们可以很容易地reproduce互相发布的结果。这也是我感到很幸运的一个地方,大家都很喜欢caffe,也很喜欢分享自己paper里的成果(比如说MIT的place net和VGG的模型)。

anyway,这就是Caffe的简单介绍了,最开始是一个hobby project,但是最近Berkeley和其他公司比如说NVidia,Yahoo在很认真地maintain它,希望能够把整个架构做的更好用。

然后我大概讲一下caffe的design吧。

基本上,caffe follow了神经网络的一个简单假设 - 所有的计算都是以layer的形式表示的layer做的事情就是take一些数据,然后输出一些计算以后的结果 比如说卷积,就是输入一个图像,然后和这一层的参数(filter)做卷积,然后输出卷积的结果。每一个layer需要做两个计算:forward是从输入计算输出,然后backward是从上面给的gradient来计算相对于输入的gradient。只要这两个函数实现了以后,我们就可以把很多层连接成一个网络,这个网络做的事情就是输入我们的数据(图像或者语音或者whatever),然后来计算我们需要的输出(比如说识别的label)。只要这两个函数实现了以后,我们就可以把很多层连接成一个网络,这个网络做的事情就是输入我们的数据(图像或者语音或者whatever),然后来计算我们需要的输出(比如说识别的label)。在training的时候,我们可以根据已有的label来计算loss和gradient,然后用gradient来update网络的参数。这个就是Caffe的一个基本流程!

如果大家需要自己实现一个layer的话,可以参考slide28的格式。比如说输入是x,我们可以想象一个layer的forward function就是y=f(x) 然后,我们会有一个loss function,记成L(.)。在做backward的时候,网络得到的是上层给出的gradient,dL/dy,然后网络需要做的计算是dL/dx = dL/dy * dy/dx,dy/dx也就是f’(x)。于是,这样我们就可以一层一层往后计算gradient。slide 31简单介绍了一下这个forward和backward的结构 anyway,Caffe里面实现的solver主要也是为了神经网络设计的。

在做training的时候,我们一般都会做SGD,就是每次输入一个小batch,做计算,update参数,然后再输入下一个batch Caffe也实现了许多实际应用上比简单SGD要更有效的算法,比如说momentum 和Adagrad (顺便插一句,Ilya Sutskever有paper解释说,momemtum其实已经可以很好地实现quasi second order的优化,所以建议大家可以从momentum sgd开始尝试做training).

基本上,最简单地用caffe上手的方法就和slide 35说的一样。先把数据写成caffe的格式,然后设计一个网络,然后用caffe提供的solver来做优化看效果如何。如果你的数据是图像的话,可以从现有的网络,比如说alexnet或者googlenet开始,然后做fine tuning。如果你的数据稍有不同,比如说是直接的float vector,你可能需要做一些custom的configuration。caffe的logistic regression example(slide 36)兴许会很有帮助。

我在和人聊的时候发现大家都比较喜欢fine tune的方法,所以我也简单介绍一下。基本上,finetuning的想法就是说,我在imagenet那么大的数据集上train好一个很牛的网络了,那别的task上肯定也不错。所以我可以把pretrain的网络拿过来,然后只重新train最后几层。重新train的意思是说,比如我以前需要classify imagenet的一千类,现在我只想识别是狗还是猫,或者是不是车牌。于是我就可以把最后一层softmax从一个40961000的分类器变成一个40962的分类器。这个strategy在应用中非常好使,所以我们经常会先在imagenet上pretrain一个网络,因为我们知道imagenet上training的大概过程会怎么样。

1.3、caffe其他方向

我觉得算法上主要就是以上这些了,大概再讲一下最近一些比较有意思的方向吧。首先是multi-GPU的训练,caffe有一个Flickr的branch可以用来做multi-GPU,不过目前好像把它merge进master得过程有点慢。不过,如果你有兴趣的话,其实multi-GPU不是很难。比如说,用MPI实现一个GPU之间的synchronization,然后把data transfer和computation 并行起来,基本上就可以实现一个比较直接的single machine multi-gpu training了。当然希望flickr的branch尽早merge。

另外,sequence model (RNN, LSTM)也是一个比较热门的方向,一个比较简单地实现RNN的方法是unrolling。就是说,我不来实现一个for loop,而是确定地说我的sequence就是一个固定的长度,这样,整个网络就依然是一个feed forward的网络,除了需要一些weight sharing以外,依然是可以用原先的架构来实现的。

另外就是NVidia的cuDNN,NVidia在cuda上做了很多的优化,所以无论大家是用caffe还是实现自己的code,都可以关注一下它。cudnn最近会准备出v3,效果应该比v2还会更快一些。

另外一个比较值得关注的数学计算库是Eigen,在CPU上的优化还是挺显著的。Caffe没有太多地用到Eigen,但是我觉得值得提一下。anyway,我觉得咱们要不还是多留一些时间来讨论大家关注的问题,所以我就先打住了,我们Caffe的主要的contributer都在slide 89上,大家都很nice,如果你在CVPR上碰见我们的话欢迎来聊天:)

2、讨论

讨论部分,这里把一些问题合并,方便查看和阅读。

2.1、caffe算法与结构

multi-gpu其实是在最近的model,比如说googlenet上,只需要model parallelism就可以了,因为参数的数量很少:)。 caffe内部的Convolution计算是图像拉伸成向量进行的计算,这种方式会比普通的方法和fft的方法计算更快吗?放大点说,caffe做了哪些算法上的优化 使得计算速度比较快呢?那个其实是我的weekend hack,所以推荐大家用其他的优化,比如说cudnn等等。说实话写caffe的时候我没太关注速度。在神经网络的训练过程中,如何能够并行或者说更快地计算?主要是靠两点吧,一个是写更快的code(比如说用cudnn优化convolution),一个是写并行计算的框架(这方面我推荐用MPI入手,因为MPI虽然没有fault tolerance等等的好处,但是并行非常简单,可以作为最开始的测试)。使用gpu对计算性能进行优化,这个更多的是在code层面上调速度了,如果有兴趣的话,nvidia的nvprof应该会很有帮助。目前,caffe也有很多的branch,比如对分布式的支持,可以在parallel branch里面找到。

目前dl近几年在siamese nets distances结构上的进展如何?研究思路如何?” Yann Lecun有paper:Learning a Similarity Metric Discriminatively with Application to Face Verification讲这个,值得看看。

dl能实现FFT吗? facebook其实有fft的code,参见fbfft。facebook是利用了FFT去快速计算,不是我问的意思。用傅立叶变换其实是提取了频域特征,根据应用的不同,最优的变换不一定是FT,可能是时频变换、分数阶FT等等变换。那么问题就来了:利用深度学习算法,能否学习到最优的时频特征表出?如果可以,是不是可以把信号处理里面的固定分析方法都扔掉?” 这个我就的确不是专家了,我觉得这个有点类似于model design的问题,深度学习相当于也是设计了一大类的model,然后在这一类model当中寻找最优的,所以如果有一些oracle knowledge(比如说已有的固定分析的经验)可以知道如何rectify数据,我觉得应该还是有帮助的。

用caffe纯粹做分类的话(前向),需要softmax层吗?看代码有个pro层和softmax一样吗?不是很清楚pro层是哪个,不过也可以用logistic,任何传统的分类函数应该都是可以的。对于,softmax_layer和softmax_loss_layer的区别,softmax_layer是做softmax变换(就是把输入的score变成sum to 1的概率值), softmax_loss是计算prediction和true label之间的cross entropy loss function

现在也有用权值不共享的卷积网络的,请问这个和权值共享网络分别更适合什么样的问题?权值不共享的问题是参数太多,所以不是很好控制overfit,一般都是在网络的后期做locally connected,这对一些问题(比如说face)是个很好地tradeoff,但是还是得实际应用来测试:)

用hdf5layer实现多label的过程不是很清楚,举个例子说,比如,输入低分辨图像,label是高分辨图像,这种有没有详细一点的教程,或者师兄能不能简单提一下?这个主要就是要设计一个input层能够输出不同的top blob,其实caffe在这一点上做的不是很好(因为太关注classification了),可能看一下这些典型的输入层的实现会有帮助。

caffe能否在多个层都连接loss函数,同时进行反向传播?可以的,关键是要处理好gradient merge的问题,其他都是OK的。caffe实现多层loss反向传播,即在prototxt里,每一层后加上需要的loss函数,那么caffe最终的反向传播会是怎样进行的?应该是这样的,每一层后面需要一个split层,把这一层的输入变成两个blob,一个继续往下传播,一个输入到loss层里面。在backprop的时候,split层会把这两条路径的gradient加起来。对于loss是什么了,比如说googlenet用到了几个branch来inject softmax,所以基本上还是要寻找和问题相关的loss term。

用SGD的时候,收敛充分的前提下,不同的学习率衰减策略是不是结果都差不多?恩,一般会差不多。autoencoder 模型中,单个隐含层和多隐层 模型,效果差别很多啊吗?这个可能和具体实现有关,隐层多了以后,representation power增加,很可能会提升效果,但是也可能会overfit,所以需要更仔细的training。

2.2、caffe工程与应用

目前Caffe主要面对CV或图像的任务,但是也可以做nlp。那在移动端用深度学习可以实现实时人脸检测么?人脸检测可能目前用传统方法还是很competitive的,但是做一些识别等等,我觉得目前的移动设备应该是可以支持的。DL也能和传统特征结合,即传统特征可以作为feature输入到网络里面,然后再继续做计算。

对于多任务学习的DL有什么经验可以分享吗?比如数据分布的均匀性的影响。数据分布均匀性一般都还是挺tricky的,实际操作上一般我觉得cap一些frequency(如果某一类太多了,就downsample一下)会使得training更好一些。

caffe能支持lstm、rnn的训练吗?另外,对于百度的dlmc您有什么看法?Jeff Donahue有一个branch可以来做lstm,我自己在refactor的一些code应该也是可以的,但是因为公司review政策的缘故没法保证什么时候能release :) dmlc我觉得是个挺好的effort,在开源界看到更多中国学生的身影很兴奋!

目前deep learning用在小数据集上有什么好的方法吗?在小数据集的问题上是不是可以通过减少网络的层数来减少过拟合?小数据集基本上需要通过小的模型来防止overfit,当然如果数据集是图像等等,也可以通过finetuning。另外一个可能是直接手标更多数据,有时候糙快猛但是还挺好使的。caffe对不同尺度的同一对象的分类和识别有哪些特殊的处理方法?这个倒也不单是caffe的问题,在图像识别上如果需要处理不同尺度,一般就是做multi-scale的detection,可以参考一下selective search,R-CNN等等的工作。

如果不使用matlab或python接口,直接在C++的caffe代码里对图像进行分类有什么好的方式吗,速度会不会比matlab和python更快?我觉得速度应该差不多,因为matlab和python的overhead不会太大。(可以不使用python,直接使用c++, chrispher经过测试,速度差距还是很大的(至少一倍以上),python在预处理图像方面比较慢)。

CNN可以应用到对图像进行深度图提取吗?效果会怎样呢?最近nyu应该有一篇stereo的文章,应该比较类似。caffe的训练过程能否保持对象的旋转不变性 怎样做到这点?目前不是很好explicit地输入这样的constraint,主要还是靠data augmentation(输入各种旋转以后的图)来实现。怎么处理变长的图片,因为Conv对变长不明感,而且可以用Dynamic Pooling?变长的图片可以用SPPNet这样的思路,最后做一个固定输出大小的pooling。

用自己的数据(并不属于imagenet的1000个类)在imagenet训练的网络上做finetune时,发现怎么调整参数最后几乎都无法用来分类,这是什么原因呢?这个可能需要看一下图片是否类似,比如说imagenet的模型用来做医学图像识别效果就很可能会不是很好,还是需要看这两个task的数据之间是否有相似性。用自己的数据集,且类型和和imagenet的类型不太一样(比如细胞类型),想用caff训练的话,最少得需要多少数据量,才比较好?这个说不太好,所以最好还是先用一部分数据测试一下,然后你可以用从少到多的数据来训练,然后外推一下可能会需要多少数据。DL中,能否预知到底学到了一个怎样的物理模型,来实现分类的?参见上面的回答:)目前比较困难,在图片上,大家做过一些有意思的实验来检测模型到底学了什么,可以参考karen simonyan的文章(用CNN来生成一个”最像”某一个类别的图像)

dl 在ctr预测上有什么好的论文或者资料么?我不是很清楚,不过余凯师兄以前讲过百度用DL做CTR效果很好,所以还是很promising的。 请问除了从分类结果看特征表出的优劣,有没有一种通行的方式去看特征表出的优劣?还有一个问题:lstm简直就是一个编码模型…以后机器学习的结构都要往电子工程上靠了吗?我觉得结构越来越复杂正背离dl的初衷了?其实大家经常批评DL的问题就是说,我们从设计feature变成了设计model(我记得原话是jitendra malik讲的,我太八卦了)。所以这个的确也是一个难解的问题,兴许我们可以做一个算法来自动生成很多model然后evolve这些model?MIT曾经有一篇paper来自动学习网络的结构,但是目前state of the art的模型还经常靠手调。

2.3、模型训练与调参

参数设置其实有点tricky,我觉得更多的还是通过已有的架构然后来做一些微调,个人也没有太好的insights可以分享,更多的是一些经验型的东西,推荐大家读一下kaiming he最近的paper,很有效果,此外微软的paper,vgg,googlenet可能有帮助。。受限于gpu内存,batchsize不能选太大,这会导致结果的不收敛,话句话说那训练过程中batch的大小对结果影响大吗?理论上batch小是不会影响收敛的。小batch主要的问题是在FC层的计算可能会不是很efficient,但是数学上没有问题。

对于2-GPU(AlexNet里的group参数),其实AlexNet可以直接用单GPU来实现,大家觉得AlexNet是2GPU的缘故是,Alex当年train网络的时候GPU内存太小,他只好用两个GPU来实现:)后来大家一般都是用一个GPU的。

finetuning过程是用已有的模型来初始化现有的模型,在caffe里面可以设置一些layer的learning rate为零来实现不更新某些层的参数。此外,在finetuning的时候,新问题的图像大小不同于pretraining的图像大小时,只能缩放到同样的大小吗?对的。

请问在s层,如何确定该用mean pooling还是max pooling?基本上靠试。在调参方面有什么比较细致的资料或文献集,比如solver里的 lr_policy 选择有什么规律么? 这两个问题,基本上我觉得还是靠经验。marc’aurelio ranzato曾经有一个presentation讲一些有用的trick,marc’aurelio的网站在这,应该是其中的某一个slides。

在自己的数据集上训练,训练的loss函数一直不降低,调小过偏置大小,学习率也改过很多,但是每次都很快的迭代到一个大的值,不再变化,而且测试准确率就等于瞎猜的准确率。这个可能是learning rate太大或者初始值的问题?可以缩小初始值的scale试试。

记得有一篇说论文:trainning_convolutional_networks_with_noisy_labels说在imagenet上,把30%的标签打乱,反而使得最后的结果更好和更鲁棒。那么是不是意味着我们不需要强定义的数据(不需要那么仔细的标注数据) 就可以训练得到一个不错的模型呢?我觉得基本上就是数据越干净,数据越多,效果一般就越好(实际应用上我们有时候会让human rater去再次确认一些不确定的标注)。鲁棒性的问题,我觉得可能是因为增加了regularization?imagenet上基本上还是标准的protocol来training效果最好。。。

2.4、caffe与DL的学习与方向

我觉得主要还是follow tutorial,另外网上(比如知乎)也有很多解析。 现在是在做机器学习,还没有深入deep learning,是不是要先打好机器学习的基础再学DL会好一点?这个我其实也不是很清楚,很多想法其实都是相通的(比如说优化的问题),所以可以都看一些,然后按照自己的需求深入:)

如何将已知的世界知识,比如说语法规则等有效融入到深度学习中?这个是个好问题,目前大家都有点倾向于learning from scratch,所以我也说不好怎么做融合,但是应该是一个值得考虑的研究方向。

可否评论一下nature 新出的DL文章?reinforcement learning之类的会是下一个主要结合的点吗?哈,Hinton本人的说法是“you won’t learn much from that paper”。那个更多的是一个overview,如果希望了解一下DL的来龙去脉的话值得读一下。RL其实还是挺热门的,deepmind做的就有点像RL,berkeley Pieter Abbeel组也做了很多RL的工作。

像cxxnet,这些新的框架,也集成了bn,prelu等新的模块,caffe是否会内置这些模块呢?我觉得会的,这个在code层面上其实没有太大的问题。我最近主要在做一些refactor,然后还有一些公司的事情,所以没有关注在push新的模块上:)

目前dl在时序序列分析中的进展如何?研究思路如何,能简单描述一下么。这个有点长,可以看看google最近的一系列machine translation和image description的工作。关于时序的问题统一回答一下,大家可以参考最近的machine translation,im2txt等等的一系列文章。DL在时序方面的应用主要是RNN/LSTM这方面,主要是用来理解sequence的信息,两个用法:(1)提取sequence的feature,然后来做classification或者embedding,(2)从sequence到sequence,比如说输入语音,输出识别的句子。

2.5、其他

google brain和human brain project,恕我不好评论。公司政策:)。对于cxxnet,您是怎么看待的呢?我还挺喜欢cxxnet的一些设计的,基本上就是大家选自己喜欢的codebase来用吧:)

3、附录

贾扬清的知乎以及他的个人主页,微信可以关注机器学习研究会,当然也可以加一下我个人的群数据,为梦想而生(更推荐比较高大上的机器学习狂热分子群)

本文总阅读量