Pytorch 连体网络未收敛

Question

大家，早安

下面是我对 pytorch 连体网络的实现。 我使用 32 批大小、MSE 损失和具有 0.9 动量的 SGD 作为优化器。

class SiameseCNN(nn.Module):
    def __init__(self):
        super(SiameseCNN, self).__init__()                                      # 1, 40, 50
        self.convnet = nn.Sequential(nn.Conv2d(1, 8, 7), nn.ReLU(),             # 8, 34, 44
                                    nn.Conv2d(8, 16, 5), nn.ReLU(),             # 16, 30, 40
                                    nn.MaxPool2d(2, 2),                         # 16, 15, 20
                                    nn.Conv2d(16, 32, 3, padding=1), nn.ReLU(), # 32, 15, 20
                                    nn.Conv2d(32, 64, 3, padding=1), nn.ReLU()) # 64, 15, 20
        self.linear1 = nn.Sequential(nn.Linear(64 * 15 * 20, 100), nn.ReLU())
        self.linear2 = nn.Sequential(nn.Linear(100, 2), nn.ReLU())
        
    def forward(self, data):
        res = []
        for j in range(2):
            x = self.convnet(data[:, j, :, :])
            x = x.view(-1, 64 * 15 * 20)
            res.append(self.linear1(x))
        fres = abs(res[1] - res[0])
        return self.linear2(fres)

每个batch都包含交替对，即[pos, pos], [pos, neg], [pos, pos] etc...但是，网络不收敛，问题似乎网络中的fres对于每对（无论是正对还是负对）， self.linear2(fres)的 output 总是大约等于[0.0531, 0.0770] 。 这与我的预期相反，即随着网络的学习， [0.0531, 0.0770]的第一个值对于正对将更接近 1，而对于负对，第二个值将更接近 1。 这两个值也需要相加为 1。

我已经为 2 通道网络架构测试了完全相同的设置和相同的输入图像，其中，不是输入[pos, pos] ，而是以深度方式堆叠这两个图像，例如numpy.stack([pos, pos], -1) 。 在此设置中， nn.Conv2d(1, 8, 7)的维度也更改为nn.Conv2d(2, 8, 7) 。 这工作得很好。

我还为传统的 CNN 方法测试了完全相同的设置和输入图像，我只是将单个正和负灰度图像传递到网络中，而不是堆叠它们（如使用 2-CH 方法）或传递它们作为图像对（与连体方法一样）。 这也很有效，但结果不如 2 通道方法好。

编辑（我尝试过的解决方案）：

• 我尝试了许多不同的损失函数，包括 HingeEmbeddingLoss 和 CrossEntropyLoss，都导致或多或少相同的问题。 所以我认为可以肯定地说问题不是由使用的损失 function 引起的； MSEL 损失。
• 不同的批量大小似乎也对这个问题没有影响。
• 我尝试按照Keras Model 中的建议增加可训练参数的数量，用于 Siamese Network not Learning 并且始终预测相同的输出也不起作用。
• 尝试更改此处实施的网络架构： https://github.com/benmyara/pytorch-examples/blob/master/notebooks/1_NeuralNetworks/9_siamese_nn.ipynb 。 换句话说，将前向传递更改为以下代码。 还将损失更改为 CrossEntropy，将优化器更改为 Adam。 仍然没有运气：

def forward(self, data):
    res = []
    for j in range(2):
        x = self.convnet(data[:, j, :, :])
        x = x.view(-1, 64 * 15 * 20)
        res.append(x)
    fres = self.linear2(self.linear1(abs(res[1] - res[0]))))
    return fres 

• 我还尝试将整个网络从 CNN 更改为线性网络，如下所示： https://github.com/benmyara/pytorch-examples/blob/master/notebooks/1_NeuralNetworks/9_siamese_nn.ipynb 。 还是不行。
• 尝试使用此处建议的更多数据： Keras Model for Siamese Network not Learning and always predicting the same 输出。 没运气...
• 尝试在convnet torch.nn.PairwiseDistance 做了一些改进； 网络在前几个时期开始收敛，然后每次都达到相同的高原：

def forward(self, data):
    res = []
    for j in range(2):
        x = self.convnet(data[:, j, :, :])
        res.append(x)
    pdist = nn.PairwiseDistance(p=2)
    diff = pdist(res[1], res[0])
    diff = diff.view(-1, 64 * 15 * 10)
    fres = self.linear2(self.linear1(diff))
    return fres

另一件需要注意的事情可能是，在我的研究范围内，为每个 object 训练了一个连体网络。 因此，第一个 class 与包含相关 object 的图像相关联，第二个 class 与包含其他对象的图像相关联。 不知道这是否可能是问题的原因。 然而，在传统 CNN 和 2 通道 CNN 方法的背景下，这不是问题。

根据要求，这是我的培训代码：

model = SiameseCNN().cuda()
ls_fn = torch.nn.BCELoss()
optim = torch.optim.SGD(model.parameters(),  lr=1e-6, momentum=0.9)
epochs = np.arange(100)
eloss = []
for epoch in epochs:
    model.train()
    train_loss = []
    for x_batch, y_batch in dp.train_set:
        x_var, y_var = Variable(x_batch.cuda()), Variable(y_batch.cuda())
        y_pred = model(x_var)
        loss = ls_fn(y_pred, y_var)
        train_loss.append(abs(loss.item()))
        optim.zero_grad()
        loss.backward()
        optim.step()
    eloss.append(np.mean(train_loss))
    print(epoch, np.mean(train_loss))

注意dp.train_set中的dp是一个 class 具有属性train_set, valid_set, test_set ，其中每个集合的创建方式如下：

DataLoader(TensorDataset(torch.Tensor(x), torch.Tensor(y)), batch_size=bs)

根据请求，这是预测概率与真实 label 的示例，您可以在其中看到 model 似乎没有学习：

Predicted:  0.5030623078346252 Label:  1.0
Predicted:  0.5030624270439148 Label:  0.0
Predicted:  0.5030624270439148 Label:  1.0
Predicted:  0.5030625462532043 Label:  0.0
Predicted:  0.5030625462532043 Label:  1.0
Predicted:  0.5030626654624939 Label:  0.0
Predicted:  0.5030626058578491 Label:  1.0
Predicted:  0.5030627250671387 Label:  0.0
Predicted:  0.5030626654624939 Label:  1.0
Predicted:  0.5030627846717834 Label:  0.0
Predicted:  0.5030627250671387 Label:  1.0
Predicted:  0.5030627846717834 Label:  0.0
Predicted:  0.5030627250671387 Label:  1.0
Predicted:  0.5030628442764282 Label:  0.0
Predicted:  0.5030627846717834 Label:  1.0
Predicted:  0.5030628442764282 Label:  0.0

Answer 1

我认为您的方法是正确的，并且您做得很好。 对我来说有点奇怪的是最后一层有 RELU 激活。 通常使用连体网络，当两个输入图像属于相同的 class 时，您希望 output 的概率很高，否则概率很低。 因此，您可以使用单个神经元 output 和 sigmoid 激活 function 来实现这一点。

因此，我将按如下方式重新实现您的网络：

class SiameseCNN(nn.Module):
    def __init__(self):
        super(SiameseCNN, self).__init__()                                      # 1, 40, 50
        self.convnet = nn.Sequential(nn.Conv2d(1, 8, 7), nn.ReLU(),             # 8, 34, 44
                                    nn.Conv2d(8, 16, 5), nn.ReLU(),             # 16, 30, 40
                                    nn.MaxPool2d(2, 2),                         # 16, 15, 20
                                    nn.Conv2d(16, 32, 3, padding=1), nn.ReLU(), # 32, 15, 20
                                    nn.Conv2d(32, 64, 3, padding=1), nn.ReLU()) # 64, 15, 20
        self.linear1 = nn.Sequential(nn.Linear(64 * 15 * 20, 100), nn.ReLU())
        self.linear2 = nn.Sequential(nn.Linear(100, 1), nn.Sigmoid())
        
    def forward(self, data):
        for j in range(2):
            x = self.convnet(data[:, j, :, :])
            x = x.view(-1, 64 * 15 * 20)
            res.append(self.linear1(x))
        fres = res[0].sub(res[1]).pow(2)
        return self.linear2(fres)

然后为了与训练保持一致，您应该使用二元交叉熵：

criterion_fn = torch.nn.BCELoss()

当两个输入图像属于同一个 class 时，请记住将标签设置为 1。

另外，我建议你在linear1层之后使用一点 dropout，大约 30% 的概率会丢弃一个神经元。

Answer 2

问题解决了。 事实证明，如果您每次都给它相同的图像，网络每次都会预测相同的 output 在数据分区期间我的小索引错误。 感谢大家的帮助和帮助。 这是现在收敛的示例：

0 0.20198837077617646
1 0.17636818194389342
2 0.15786472541093827
3 0.1412761415243149
4 0.126698794901371
5 0.11397973036766053
6 0.10332610329985618
7 0.09474560652673245
8 0.08779258838295936
9 0.08199785630404949
10 0.07704121413826942
11 0.07276330365240574
12 0.06907484836131335
13 0.06584368328005076
14 0.06295975042134523
15 0.06039590438082814
16 0.058096024941653016