質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

88.09%

推論時のBatch Normalization(バッチ正規化)の各種パラメータの仕様について

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 1,193

score 4

前提・実現したいこと

推論時における、BN(Batch Normalization)層での学習で決定されたパラメータがどのように正規化に用いられるのか知りたい。

現在の状況

PyTorchであるネットワークを自分で実装し、パラメータ抽出を行ったがBN層におけるパラメータの仕様がどうもわからないです。
というのも
MobileNet V1内のバッチ正規化(Batch Normalization)層の推論時の入力データに対する処理内容を知りたい
こちらの質問で複数BN層がモデル内にあった場合、各層で1組の平均と標準偏差が決定されると思っていました。
しかし実際に

for param_tensor in model.state_dict():
    print(param_tensor, "\t", model.state_dict()[param_tensor].size())


とすると

Model's state_dict:
features.0.weight      torch.Size([32, 3, 3, 3])
features.0.bias      torch.Size([32])
features.2.dw_conv_k3.weight      torch.Size([32, 1, 3, 3])
features.2.bn.weight      torch.Size([32])
features.2.bn.bias      torch.Size([32])
features.2.bn.running_mean      torch.Size([32])
features.2.bn.running_var      torch.Size([32])
features.2.bn.num_batches_tracked      torch.Size([])
features.3.p_conv_k1.weight      torch.Size([64, 32, 1, 1])
features.3.bn.weight      torch.Size([64])
features.3.bn.bias      torch.Size([64])
features.3.bn.running_mean      torch.Size([64])
features.3.bn.running_var      torch.Size([64])
features.3.bn.num_batches_tracked      torch.Size([])
....(以下略)


と出力され、第二層目のBN層の学習で決定されたパラメータ(features.2.bn.running_mean等)が32要素の配列としてあります。
(私の予想としては1要素で構成された各層に対するパラメータの組が出力されると思っていました。)
ここで例としてfeatures.2.bn.running_mean[32]の中身をのぞくと

tensor([ 0.2491, -0.0099,  0.0855,  0.1906,  0.0792, -0.3274,  0.1849, -0.4113,
         0.0127,  0.3673,  0.2680,  0.0913,  0.1177,  0.0630, -0.1980,  0.0917,
         0.0147,  0.1684,  0.0583, -0.2606, -0.1515,  0.0202, -0.1987,  0.0284,
        -0.0948, -0.7597, -0.1758,  0.2207, -0.4727,  0.1047, -0.1240,  0.2810],
       device='cuda:0')


となっておりしっかりと配列の中身詰まっているのがわかりました。

聞きたいこと

ここで考えられるのが現在私が実装しているモデルでは第二層目のBN層の入力では32チャネルの入力画像が、第三層目のBN層では64チャネルの入力画像が与えられるため、抽出されたfeatures.xx.bn.running_meanやfeatures.xx.bn.running_varの各要素を各入力チャネルに対応させて推論時に正規化
(つまり32要素のbn.runnig_meanがあった場合、32チャネルの入力画像に対して、1チャネル目にはbn.runnig_meanの1要素目を、2チャネル目には2要素目を適用...といった形)
を行っているということなのですが、この理解で正しいでしょうか?
どなたか助言を頂ければ助かります。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

0

各層で1組の平均と標準偏差が決定されると思っていました。

機械学習で標準化といった場合、普通チャンネル (特徴量) ごとに行うので、前の出力のチャンネル数が32なら、Batch Normalization 層のパラメータが数が全部32なのは別におかしくないと思います。

features.2.bn.weight      torch.Size([32])
features.2.bn.bias      torch.Size([32])
features.2.bn.running_mean      torch.Size([32])
features.2.bn.running_var      torch.Size([32])

features.xx.bn.running_varの各要素を各入力チャネルに対応させて推論時に正規化
(つまり32要素のbn.runnig_meanがあった場合、32チャネルの入力画像に対して、1チャネル目にはbn.runnig_meanの1要素目を、2チャネル目には2要素目を適用...といった形)
を行っているということなのですが、この理解で正しいでしょうか?

その理解であってます。

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2020/09/11 13:26 編集

    ご回答ありがとうございます

    キャンセル

  • 2020/09/11 13:31

    はい、そうです。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 88.09%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る