- 文章原创自微信公众号「机器学习炼丹术」
- 作者：炼丹兄
- 联系方式：微信cyx645016617
本篇文章主要讲解两个无监督2020年比较新比较火的论文：
- 论文名称：“Bootstrap Your Own Latent: A New Approach to Self-Supervised Learning”
- 论文链接：https://arxiv.org/pdf/2006.07733.pdf
0 综述
BYOL是Boostrap Your Own Latent，这个无监督框架非常的优雅和简单，而且work。收到了很多人的称赞，上一个这样起名的在我认知中就是YOLO。两者都非常简单而优美。
1 数学符号
这个结构有两个网络，一个是online network，一个是target network。
- online network：用\(\theta\)来表示online network的参数，包含，encoder\(f_{\theta}\),projector\(g_{\theta}\)和predictor\(q_\theta\)
- target netowrk:使用\(\xi\)来表示参数，也有\(f_{\xi}\)和\(g_{\xi}\),但是没有predictor。
我们会更新online network，然后用滑动平均的方式，更新target network：
\(\xi\leftarrow \tau\xi + (1-\tau)\theta\)
现在我们有一个图像数据集D，其中获取一个图片\(x\in D\),然后我们对这个D做不同的图像增强，得到了两个新的分布\(\Tau\)和\(\Tau'\),然后从两个新分布中获取的图片，用\(v\)和\(v'\)标记。也就是说，如果用\(t()\)和\(t'()\)表示对图像做图像增强的过程，那么\(v=t(x),v'=t'(x)\)。
2 损失函数
我们现在有\(v\)，经过encoder，得到\(y=f_{\theta}(v)\),经过prejector，得到\(z=g_{\theta}(y)\),经过predictor，得到\(q_{\theta}(z)\);同理，target network也是如此，只是没有最后的predictor，最终得到\(z'\)。
我们对\(z'\)和\(q_{\theta}(z)\)做l2-normalization，含义为取出这两个隐含变量的绝对大小，而保留其方向性，为后面要做的向量点乘做铺垫。
上图中，\(\bar{q_{\theta}}(z)=\frac{q_{\theta}(z)}{||q_{\theta}(z)||_2}\)，损失函数不难，其实有点像是：\(2-2\cos\theta\)
上面，我们得到了损失\(L_{\theta,\xi}\)，接下来，我们需要计算symmetric loss，这个是把v和v‘分别放入target network和online network计算，得到的\(\widetilde{L}_{\theta,\xi}\),然后论文中提到，通过SGD来最小化
\(L^{BYOL}_{\theta,\xi}=L_{\theta,\xi} + \widetilde{L}_{\theta,\xi}\)
需要注意的是，这个优化的过程，仅仅更新online network，target network的参数不变化，目的是让online network逐渐拥有target network的性能
因此，这个BYOL的整个训练过程可以浓缩成下面的两行：
3 细节部分
3.1 图像增强
3.2 结构
上图中的encoder\(f_{\theta},f_{\xi}\)使用的是resnet50和post activation，这里第一次看到post activation，就去看了一下发现，其实就是先卷积还是先激活层，如果relu放在conv后面就是post activation，relu放在conv前面就是pre activation。
经过encoder，一个图片会输出2048个features，然后经过MLP，特征扩展到4096个特征，最终输出256个特征，在SimCLR模型中，MLP后跟了一个BN层和Relu激活层，但是在BYOP中没有BN层。
3.3 优化器
使用的是LARS优化器，使用cosine 学习率衰减策略，训练1000epoch，其中包含10个warn-up epoch。学习率设置的为0.2。
至于online更新到target的参数\(\tau\),\(\tau_{base}=0.996\),
\(\tau=1-(1-\tau_{base})(\cos\frac{\pi k}{K}+1)\frac{1}{2}\)
k is current training step and K is maximum training steps.
3.4 财力
batchsize为4096，分布在512个TPU v3的核，训练encoder大约需要8个hour。
4 模型评估
在ImageNet上做监督学习，先用无监督训练好encoder后，然后用标准的resnet50进行监督微调：
前面同行，这里的监督训练也是获取ImageNet上的少部分数据集进行训练，所以叫做semi-supervised：
这样的方法在其他的分类数据集上的效果：
觉得笔记不错的，可以关注作者的微信公众号「机器学习炼丹术」。