目前為止，我們使用的都是固定網絡架構，即在CIFAR10上用單個GPU最快的DAWNBench記錄，經過簡單改變，我們將網絡達到94%精度的時間從341秒縮短至154秒。今天，我們要研究其他的替代性架構。

讓我們先回顧下目前所用的網絡：

粉色的殘差塊包含了一個identity shortcut并保留了輸入的空間和通道維度：

淺綠色的下采樣模塊將空間分辨率降低兩倍，輸出通道的數量增加一倍：

加入殘差模塊的原因是通過在網絡中創建shortcut讓優化變得更簡單。我們希望較短的路徑代表相對容易訓練的淺層子網絡，而較長的路徑可以增加網絡的能力和計算深度。這樣一來，研究最短路徑如何通過網絡孤立訓練，并且如何采取措施進行改進似乎是合理的。

清除長分支會生成一下主要網絡，其中除了第一個網絡，所有的卷積網絡的步長都為2：

在接下來的實驗中，我們會訓練20個epoch，利用比之前學習速率更快速的版本訓練，因為網絡較小，收斂得更快。復現這一結果的代碼在此：github.com/davidcpage/cifar10-fast/blob/master/experiments.ipynb

對最短的路徑網絡訓練20個epoch，在36秒內的測試精度僅達到55.9%。刪除掉重復的批標準化ReLU群組，將訓練時間縮短到32秒，但是測試精度仍然不變。

這一網絡有個嚴重的缺陷，即下采樣卷積有1×1的核以及為2的步長，所以與其擴大接受域，它們反而會拋棄信息。如果我們用3×3的卷積替換，測試精度在36秒的訓練后達到了85.6%。

我們還能繼續對下采樣進行優化，使用3×3、步長為1的卷積，并且后面跟一個池化層。我們選擇最大池化和2×2的窗口大小，43秒訓練后的測試精度為89.7%。用平均池化法得到相似的結果，但時間稍長。

分類器前的最后一個池化層是全局平均池化層和最大池化層的連接，從原始網絡中得來。我們用更標準的全局最大池化層替換它，并且將最終的卷積層的輸出維度變為原來的兩倍，對輸入維度進行補償，最終在47秒內，測試精度達到了90.7%。注意，這一階段的平均池化層并不如最大池化層。

默認情況下，在PyTorch0.4中，初始批規范化的范圍在0到1之間隨機選擇。初始接近0的通道可能被浪費，所以我們用常數1來替代。這導致通過網絡中的信號更大。為了補償，我們提出了一種整體恒定懲罰對分類器進行重新調整。對這一額外超參數，大致的手動優化值是0.125。經過這些改變，經過20個epoch的訓練，網絡在47秒內達到了91.1%的測試精度。

下表總結了我們上文中提到的各種改進步驟：

現在的網絡看起來沒什么問題了，接下來我們要進行收益遞減，添加一些圖層。目前網絡僅有5個圖層（四個卷積，一個全連接層），所以還不確定我們是否需要殘差分支，或者添加額外的層后能否得到94%的目標精確度。

如果只增加寬度似乎不可行。如果我們讓通道維度增加一倍，訓練60個epoch后，可以達到93.5%的精確度，但是會用321秒。

在增加網絡深度方面，我們還面臨著多種問題，例如不同的殘差分支類型、深度和寬度以及新的超參數，例如初始范圍和殘差分支的偏見。為了讓結果更進一步，我們要嚴格限制搜索空間，所以，不能調整任何新的超參數。

特別的是，我們要考慮兩種類型的網絡。第一種是選擇性地在每個最大池化層后添加一個卷積層。第二種是添加一個含有兩部分3×3卷積的殘差塊，其中有identity shortcut，也是在最大池化層之后添加。

我們在最后卷積模塊后、全局最大池化層之前插入了一個2×2的最大池化層。是否添加新層要根據不同情況決定，我們還考慮混合兩種類型，但這并沒有提升性能，所以我們就不在此展開了。

下圖是第一種網絡示例，其中我們在第二個最大池化層之后添加了額外的卷積：

下圖是第二種網絡示例，其中我們在第一和第三層之后添加了殘差分支：

現在要開始“暴力”架構搜索了！我們訓練了15種網絡（經過改進的原始網絡和上述兩類網絡中每類的7種變體），各訓練20個epoch，另外還對比了訓練22個epoch的結果，了解訓練時間增長和更深的網絡架構之間的差別。如果每個實驗僅運行一次，就會花費30分鐘的計算時間。但不幸的是，每次最終測試精度的標準偏差約為0.15%。所以為了得出準確的結果，我們會對每個實驗運行10次，將每個數據點的標準偏差控制在0.05%左右。即便如此，不同架構之間從20到22個epoch運行后改進率之間的差異主要可能是噪音。

以下是結果，點表示20個epoch和精確度，線條的延伸表示22個epoch的結果：

與運用更深層的架構所得到的進步相比，訓練更長時間所得到的進步速度似乎很慢。在測試的框架中，最有前景的或許是Residual:L1+L3。網絡在66秒內達到了93.8%的精確度，如果我們將訓練擴展到24個epoch，平均精確度為94.08%，訓練時間為79秒。

目前為止，我們已經得到了一個9層的深度殘差網絡，能在79秒內達到94%的訓練精確度，幾乎將訓練時間縮短了一半。最后還有一個問題：我們是否真的需要殘差分支才能讓測試精確度達到94%？答案顯然是否定的。例如，單一的分支網絡Extra:L1+L2+L3能在180秒、60個epoch內達到95%的精確度，加上正則化或更寬的版本后，精確度會更高。但是至少在現在最快的是一個殘差網絡。

結語

本文結束前，讓我們再簡單回顧一下研究的目的。很多觀點認為，訓練模型在CIAFR10上達到94%的測試精確度是無意義的行為，應為現在最高的精確度都達到98%了（另外還有人認為現在ImageNet才是“唯一”的數據集，其他實驗只是浪費時間罷了）。

事實上，我們可以通過9層網絡在24個epoch內達到94%的精確度，這也再次說明我們的目標門檻過低。另一方面，人類在CIFAR10上的表現也在94%左右，所以這一情況并不清楚。

在某種程度上，現在的精確度是一種“病態”的目標，只追求更大的模型、調整更多超參數、更多數據增強或者更長的訓練時間，讓各種工作之間的比較更難。另外，在訓練或結構設計上的創新會帶來額外的超參數維度，并且調整這些參數可能會導致有關訓練更好的隱式優化，否則這些與研究中的擴展無關。如果基礎模型的外顯超參數的維度空間較低，那么通常被認為是最佳的對比試驗無法解決該問題。這種情況的結果是，最先進的模型難以進行比較、復現、重建。

有了這些問題，我們認為任何能輕易在各項實驗中進行比較的都是有益的。我們相信創建有競爭力的基準也是應對挑戰的一種方法。資源的限制讓各實驗之間的比較更公平，減少了為了培訓所需要做的調整。模型多余的復雜性可能會受到資源限制基線的懲罰，哪些明確控制相關參數的方法通常會獲勝。

最近，根據模型推理時間或模型大小公布曲線越來越多。這對于優化和解決上面的問題來說都是積極的方法，但我們相信訓練時間所帶來的額外正則化會有更多好處。另一方面，優化訓練時間并不考慮推理成本是否是次優的，這也是為什么我們的訓練時間結構總是包含測量每個epoch中測試集的時間，并且我們避免了類似測試時間增強等技術，它可以在推理時減少訓練時間。