每日一博 | 基于 Pytorch 的动态卷积复现
【GaintPandaCV导语】 最近动态卷积开始有人进行了研究，也有不少的论文发表（动态卷积论文合集https://github.com/kaijieshi7/awesome-dynamic-convolution），但是动态卷积具体的实现代码却很少有文章给出。本文以微软发表在CVPR2020上面的文章为例，详细的讲解了动态卷积实现的难点以及如何动分组卷积巧妙的解决。希望能给大家以启发。 这篇文章也同步到知乎平台，链接为：https://zhuanlan.zhihu.com/p/208519425 论文的题目为《Dynamic Convolution: Attention over Convolution Kernels》 paper的地址arxiv.org/pdf/1912.0345 代码实现地址，其中包含一维，二维，三维的动态卷积；分别可以用于实现eeg的处理，正常图像的处理，医疗图像中三维脑部的处理等等（水漫金山）。github.com/kaijieshi7/D，大家觉得有帮助的话，可以点个星星。 一句话描述下文的内容：将的大小视为分组卷积里面的组的大小进行动态卷积。如,那么就转化成，的分组卷积。 简单回顾 这篇文章主要是改进传统卷积，让每层的卷积参数在推理的时候也是随着输入可变的，而不是传统卷积中对任何输入都是固定不变的参数。（由于本文主要说明的是代码如何实现，所以推荐给大家一个讲解论文的连接：Happy：动态滤波器卷积｜DynamicConv) 推理的时候：红色框住的参数是固定的，黄色框住的参数是随着输入的数据不断变化的。 对于卷积过程中生成的一个特征图，先对特征图做几次运算，生成个和为的参数，然后对个卷积核参数进行线性求和，这样推理的时候卷积核是随着输入的变化而变化的。(可以看看其他的讲解文章，本文主要理解怎么写代码) 下面是attention代码的简易版本，输出的是[,]大小的加权参数。对应着要被求和的卷积核数量。 class attention2d(nn.Module): def __init__(self, in_planes, K,): super(attention2d, self).__init__() self.avgpool = nn.AdaptiveAvgPool2d(1) self.fc1 = nn.Conv2d(in_planes, K, 1,) self.fc2 = nn.Conv2d(K, K, 1,) def forward(self, x): x = self.avgpool(x) x = self.fc1(x) x = F.relu(x) x = self.fc2(x).view(x.size(0), -1) return F.softmax(x, 1) 下面是文章中个卷积核求和的公式。 其中是输入，是输出；可以看到进行了两次运算，一次用于求注意力的参数（用于生成动态的卷积核），一次用于被卷积。 但是，写代码的时候如果直接将个卷积核求和，会出现问题。接下来我们先回顾一下Pytorch里面的卷积参数，然后描述一下可能会出现的问题，再讲解如何通过分组卷积去解决问题。 Pytorch卷积的实现 我会从维度的视角回顾一下Pytorch里面的卷积的实现（大家也可以手写一下，几个重点：输入维度、输出维度、正常卷积核参数维度、分组卷积维度、动态卷积维度、attention模块输出维度）。 输入：输入数据维度大小为[,,,]。 输出：输出维度为[,,,]。 卷积核：正常卷积核参数维度为[,,,]。（在Pytorch中，2d卷积核参数应该是固定这种维度的） 这里我们可以注意到，正常卷积核参数的维度是不存在的。因为对于正常的卷积来说，不同的输入数据，使用的是相同的卷积核，卷积核的数量与一次前向运算所输入的大小无关（相同层的卷积核参数只需要一份）。 可能会出现的问题 这里描述一下实现动态卷积代码的过程中可能因为大于1而出现的问题。 对于图中attention模块最后softmax输出的个数，他们的维度为[,,,]，可以直接.view成[,]，紧接着作用于卷积核参数上（形成动态卷积）。 问题所在：正常卷积，一次输入多个数据，他们的卷积核参数是一样的，所以只需要一份网络参数即可；但是对于动态卷积而言，每个输入数据用的都是不同的卷积核，所以需要份网络参数，不符合Pytorch里面的卷积参数格式，会出错。 看下维度运算[,]*[,,,,],生成的动态卷积核是[,,,,]，不符合Pytorch里面的规定，不能直接参与运算（大家可以按照这个思路写个代码看看，体会一下，光看可能感觉不出来问题），最简单的解决办法就是等于1，不会出现错误，但是慢啊！！！ 总之，大于1会导致中间卷积核参数不符合规定。 分组卷积以及如何通过分组卷积实现大于1的动态卷积 一句话描述分组卷积：对于多通道的输入，将他们分成几部分各自进行卷积，结果concate。 组卷积过程用废话描述：对于输入的数据[,,,]，假设为，那么分组卷积就是将他分为两个为的数据（也可以用其他方法分），那么维度就是[, 5x2,,]，换个维度换下视角，[,,,]，那么为2的组卷积可以看成的正常卷积。（如果还是有点不了解分组卷积，可以阅读其他文章仔细了解一下。） 巧妙的转换：上面将翻倍即可将分组卷积转化成正常卷积，那么反向思考一下，将变为1，是不是可以将正常卷积变成分组卷积？ 我们将大小看成分组卷积中的数量，令所在维度直接变为！！！直接将输入数据从[,,,]变成[1,,,]，就可以用分组卷积解决问题了！！！ 详细描述实现过程：将输入数据的维度看成[1,,,](分组卷积的节奏)；卷积权重参数初始化为[,,,,]，attention模块生成的维度为[,],直接进行正常的矩阵乘法[,]*[,***]生成动态卷积的参数，生成的动态卷积权重维度为[,,,,]，将其看成分组卷积的权重[,,,](过程中包含reshape)。这样的处理就完成了，输入数据[,,,]，动态卷积核[,,,]，直接是的分组卷积，问题解决。 具体代码如下： class Dynamic_conv2d(nn.Module): def __init__(self, in_planes, out_planes, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, K=4,): super(Dynamic_conv2d, self).__init__() assert in_planes%groups==0 self.in_planes = in_planes self.out_planes = out_planes self.kernel_size = kernel_size self.stride = stride self.padding = padding self.dilation = dilation self.groups = groups self.bias = bias self.K = K self.attention = attention2d(in_planes, K, ) self.weight = nn.Parameter(torch.Tensor(K, out_planes, in_planes//groups, kernel_size, kernel_size), requires_grad=True) if bias: self.bias = nn.Parameter(torch.Tensor(K, out_planes)) else: self.bias = None def forward(self, x):#将batch视作维度变量，进行组卷积，因为组卷积的权重是不同的，动态卷积的权重也是不同的 softmax_attention = self.attention(x) batch_size, in_planes, height, width = x.size() x = x.view(1, -1, height, width)# 变化成一个维度进行组卷积 weight = self.weight.view(self.K, -1) # 动态卷积的权重的生成， 生成的是batch_size个卷积参数（每个参数不同） aggregate_weight = torch.mm(softmax_attention, weight).view(-1, self.in_planes, self.kernel_size, self.kernel_size) if self.bias is not None: aggregate_bias = torch.mm(softmax_attention, self.bias).view(-1) output = F.conv2d(x, weight=aggregate_weight, bias=aggregate_bias, stride=self.stride, padding=self.padding, dilation=self.dilation, groups=self.groups*batch_size) else: output = F.conv2d(x, weight=aggregate_weight, bias=None, stride=self.stride, padding=self.padding, dilation=self.dilation, groups=self.groups * batch_size) output = output.view(batch_size, self.out_planes, output.size(-2), output.size(-1)) return output 完整的代码在github.com/kaijieshi7/D，大家觉得有帮助的话，求点个星星。 纸上得来终觉浅，绝知此事要躬行。试下代码，方能体会其中妙处。 对文章有疑问或者想加入交流群，欢迎添加BBuf微信 为了方便各位获取公众号获取资料，可以加入QQ群获取资源，更欢迎分享资源 本文分享自微信公众号 - GiantPandaCV（BBuf233）。如有侵权，请联系 support@oschina.cn 删除。本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
