2015年的ResNet潛力都挖掘出來了嗎？新研究：不用蒸餾、無額外數(shù)據(jù)，性能還能漲一波

基線：我要是用上最新的訓(xùn)練流程，性能還能漲一波。

在計算機(jī)視覺領(lǐng)域，何愷明等人 2015 年提出的 ResNet（deep residual network，深度殘差網(wǎng)絡(luò)）一直被視為經(jīng)典架構(gòu)，它解決了深度 CNN 模型難訓(xùn)練的問題，是 CNN 圖像史上的一個里程碑之作。

自提出以來，ResNet 系列模型一直被用作研究中的默認(rèn)架構(gòu)，或者新模型提出時用來對比的基線。然而，在過去的幾年里，神經(jīng)網(wǎng)絡(luò)訓(xùn)練方面的最佳實踐已經(jīng)取得了很大進(jìn)展。新穎的優(yōu)化、數(shù)據(jù)增強(qiáng)等方法提高了訓(xùn)練流程的有效性。

在這篇論文中，獨立研究者 Ross Wightman 以及 Facebook AI、索邦大學(xué)的兩位研究者重新評估了普通 ResNet-50 在加入上述訓(xùn)練進(jìn)展之后所能達(dá)到的性能。

論文鏈接：https://arxiv.org/pdf/2110.00476.pdf

具體而言，研究者重新評估了使用不同訓(xùn)練方法時普通 ResNet-50 的性能，并在 timm 開源庫中分享了有競爭力的訓(xùn)練設(shè)置和預(yù)訓(xùn)練模型，希望它們可以成為未來研究工作的更好基線。例如，在 ImageNet-val 數(shù)據(jù)集上，使用研究者更高要求的訓(xùn)練設(shè)置，并在無額外數(shù)據(jù)或蒸餾的情況下，普通 ResNet-50 在分辨率 224×224 下實現(xiàn)了 80.4% 的 top-1 準(zhǔn)確率。

此外，研究者還報告了其他流行模型使用他們的訓(xùn)練流程時取得的性能結(jié)果。

基線也需要與時俱進(jìn)

在過去的十幾年里，人們已經(jīng)見證了圖像分類領(lǐng)域的很多重大進(jìn)展，這些反映在了 ILSVRC’2012 挑戰(zhàn)賽或其他圖像分類基準(zhǔn)測試結(jié)果的改進(jìn)上。從原理上來講，性能的提升反映了社區(qū)對下面這個問題的最大化求解：

A 為架構(gòu)設(shè)計，T 為訓(xùn)練設(shè)置和超參數(shù)，N 為測量噪聲，其中還包括從大量超參數(shù)或方法中選擇最大值時經(jīng)常出現(xiàn)的過擬合。降低 N 的良好做法有幾種，比如使用不同的 seed 測量標(biāo)準(zhǔn)差、使用單獨的評估數(shù)據(jù)集或者在遷移任務(wù)上對模型進(jìn)行評估。

暫且撇開 N 不談，評估 A 或 T 上的進(jìn)展也構(gòu)成了一個挑戰(zhàn)，這是因為它們的進(jìn)展隨時間推移而變化。當(dāng)在 (A, T ) 上進(jìn)行聯(lián)合優(yōu)化時，無法保證給定架構(gòu) A_1 的最優(yōu)選擇 T_1 依然是另一模型設(shè)計 A_2 的最佳選擇。因此，即使是在同一訓(xùn)練流程下比較模型時，人們也可能隱式地偏愛某一個模型。

將訓(xùn)練流程與架構(gòu)各自帶來的改進(jìn)分開的一個好處是確保基線包含來自文獻(xiàn)的新「成分」，并在調(diào)整超參數(shù)方面付出合理的努力。理想狀態(tài)下，如果沒有資源和時間限制，人們可以為每個架構(gòu)適配最佳的訓(xùn)練流程，如下公式（1）所示：

但在現(xiàn)實中，這種理想狀態(tài)是不可能的。當(dāng)比較架構(gòu)時，大多數(shù)論文往往與以往發(fā)表論文中的結(jié)果進(jìn)行比較，但被比較的這些架構(gòu)使用的通常是相對較弱的訓(xùn)練流程，最好的情況下也僅僅是使用類似或相同的流程。

本文作者表示，他們還沒有發(fā)現(xiàn)專門通過廣泛的成分選擇和超參數(shù)搜索來提升 ResNet-50 訓(xùn)練流程的研究努力。在以往的文獻(xiàn)中，ImageNet-1k-val 上報告的針對 ResNet-50 架構(gòu)的性能范圍區(qū)間為 75.2% 到 79.5%，具體取決于論文本身。目前還不清楚是否已經(jīng)投入足夠的努力來進(jìn)一步推動基線。因此，研究者想要填補(bǔ)這方面的研究空白。

研究者探究的是何愷明等人提出的普通 ResNet-50 架構(gòu)。他們優(yōu)化訓(xùn)練流程以最大化該模型在原始測試分辨率 224 × 224 下的性能。這里只考慮訓(xùn)練流程（training recipe）。因此，研究者排除了 ResNet-50 的所有變體，如 SE-ResNet-50 或 ResNet-50-D，這些變體通常會在相同的訓(xùn)練流程下提升準(zhǔn)確率。

3 種不同的訓(xùn)練流程

研究者提出了 3 種具有不同成本和性能的訓(xùn)練流程，以覆蓋不同的用例，下表 1 展示了 3 種訓(xùn)練流程的資源使用情況和 top-1 準(zhǔn)確率結(jié)果。

這 3 種訓(xùn)練流程以實現(xiàn)測試分辨率 224 × 224 下 ResNet-50 的最佳性能為目標(biāo)。研究者探索了很多使用不同優(yōu)化器、正則化以及超參數(shù)合理網(wǎng)格搜索數(shù)量的變體。其中，他們主要關(guān)注以下三個不同的訓(xùn)練流程：

流程 A1 旨在為 ResNet-50 提供最佳性能，因此 epoch 數(shù)量最多（600），訓(xùn)練時間最長（在一個配有 4 個 V100 32GB GPU 的節(jié)點上訓(xùn)練 4.6 天）

流程 A2 的 epoch 數(shù)量為 300，可與 DeiT 等其他幾個優(yōu)秀訓(xùn)練流程媲美，但批大小更大（2048）。

流程 A3 旨在通過 100 個 epoch 和 2048 的批大小超越普通 ResNet-50 的流程，它在 4 個 V100 16GB GPU 上訓(xùn)練了 15 個小時，并且可能是探索性研究的良好設(shè)置。

如下表 2 所示，研究者將用于訓(xùn)練普通 ResNet-50 的不同方法與他們的方法進(jìn)行了比較，其中只考慮修改了未修改的 ResNet-50 架構(gòu)（即不考慮其他變體）。此外，研究者不考慮使用蒸餾之類的高級訓(xùn)練設(shè)置，或者通過自監(jiān)督或偽標(biāo)簽預(yù)訓(xùn)練的模型。

實驗結(jié)果

上表 1 總結(jié)了文中提出的訓(xùn)練流程的主要特點。研究者表示，就他們所知，使用訓(xùn)練流程 A1 訓(xùn)練的一個普通 ResNet-50 架構(gòu)在 224×224 分辨率的 ImageNet 圖像測試中超越了 SOTA 模型。其他兩個訓(xùn)練流程（A2、A3）雖然沒有達(dá)到 A1 的水平，但也用較少的資源實現(xiàn)了較高的性能。

在下表 3 中，研究者記錄了使用本文提出的訓(xùn)練流程訓(xùn)練其他架構(gòu)時的效果，以測試這些訓(xùn)練流程在其他模型上的泛化能力。在某些情況下，研究者觀察到 A2 要優(yōu)于 A1，這表明超參數(shù)不適用于較長的 schedule（通常需要更多的正則化）。

在下表 4 中，研究者對表 3 中的結(jié)果進(jìn)行了補(bǔ)充。

在下表 5 中，研究者記錄了使用不同的預(yù)訓(xùn)練流程在 7 個細(xì)粒度數(shù)據(jù)集上得到的遷移學(xué)習(xí)性能數(shù)據(jù)，并與默認(rèn)的 PyTorch 預(yù)訓(xùn)練進(jìn)行了比較。總體來看，A1 在大多數(shù)下游任務(wù)中都達(dá)到了最好的性能。

更多細(xì)節(jié)請參見論文。