卷积网络中，关于BatchNorm的训练与加载

写在前面：我们逃避的问题一定会一直积压在心里，并往往在关键时刻，像大难临头一般跳现在面前，搞得人措手不及

剩下的正文：

1. 背景

　　现在，在使用TensorFlow1.4.0封装的InceptionV3模型进行迁移学习解决图像分类的问题，基础版代码可看这里：摘自《TensorFlow实战Google深度学习框架》.

　　2. 问题：

　　上述代码将InceptionV3.inceptionV3的参数is_training在训练和测试阶段均设为True，这是错误的，因为is_training布尔值控制着batchnorm是否更新均值mu和sigma，并且还控制着是否使用dropout层。我们知道测试时是不需要更新mu、sigma以及不需要使用dropout的，因此测试和验证时均需要将is_training设为False。

　　因为验证和测试时is_training=False，导致测试结果很差。这是因为上述代码在训练时没有更新BatchNorm的mu和sigma的原因，我们知道inceptionV3的参数是在ImageNet上训练并保存的，因此在我们自己数据集上微调时，仍需要更新必要的参数，这里必要的参数除了trainable variables还包括BatchNorm/Moving_mean和BatchNorm/Moving_variance。根据TensorFlow的BatchNorm文档https://github.com/tensorflow/docs/blob/r1.4/site/en/api_docs/api_docs/python/tf/contrib/layers/batch_norm.md可知，我们在使用BatchNorm时，应在train_op前加上与tf.GraphKeys.UPDATE_OPS依赖关系：

update_ops = tf.get_collection(tf.GraphKeys.UPDATE_OPS)
with tf.control_dependencies(update_ops):
  train_op = optimizer.minimize(loss)

　　仅仅加与moving_mean和moving_variance更新的以来关系还不足以令val_loss收敛的好，如上所述，inceptionV3的ckpt文件是在ImageNet上训练的，因此在我们的小数据集上还需要修改inception_v3_arg_scope()里batch_norm_params['decay']的值，由0.9997改为0.9或者0.99以加快收敛速度，decay的作用可查看滑动平均模型，简言之就是当前的值对滑动平均值的的贡献为（1-0.9）或者（1-0.99）。

　　3. 微调代码：

　　因为moving_mean和moving_variance是不可训练参数，当我们保存训练参数时，这两个参数不会被保存，导致在测试时模型找不到这两个变量而报错。以下提供两种方案：

　　

1. 方案1
# 训练时，保存。除了保存trainable variables()也保存moving_vars
train_vars = tf.trainable_variables()
global_vars = tf.gloal_variables()
moving_vars = [var for var in global_vars if "moving" in var.name]
var_list = train_vars.extend(moving_vars)
saver = tf.train.Saver(var_list=var_list, max_to_keep=1)
...
saver.save(sess, save_path, global_step)

# 测试时，加载。除了加载trainable variables()也加载moving_vars与上述一致的
train_vars = tf.trainable_variables()
global_vars = tf.gloal_variables()
moving_vars = [var for var in global_vars if "moving" in var.name]
var_list = train_vars.extend(moving_vars)
saver = tf.train.Saver(var_list=var_list, max_to_keep=1)#第1种加载方式
...
saver.restore(sess, save_path)

load_fn = slim.assign_from_checkpoint_fn(model_path, var_list=var_list, ignore_missing_vars=True) #第2种加载方式
...
load_fn(sess)

2.方案2
#训练时，保存参数。保存所有savable objects
saver = tf.train.Saver(max_to_keep=1)#不提供var_list，会使得保存的参数较大
saver.save(sess, save_path, global_step)

#测试时，加载参数。
#第一种加载方式
saver = tf.train.Saver()
...
saver.restore(sess, save_path)

#第二种加载方式

train_vars = tf.trainable_variables()
global_vars = tf.gloal_variables()
moving_vars = [var for var in global_vars if "moving" in var.name]
var_list = train_vars.extend(moving_vars)

load_fn = slim.assign_from_checkpoint_fn(model_path, var_list=var_list, ignore_missing_vars=True)
...
load_fn(sess)

 

4. 结果
因为使用了验证和测试时BatchNorm/moving_mean和BatchNorm/moving_variance都是使用的训练集的滑动平均模型，因此更新的比较慢，甚至可能出现val_loss为inf的情况，需要等一段时间才能收敛。
下面给出2个不同任务上的loss值曲线，它们之间没有对比关系，可以看出引入BatchNorm后loss收敛的较慢，但是validation loss都很平滑

注意：这两个loss之间没有任何关系，仅仅为了展示batchnorm对validation metric的影响

5. 总结：
使用batchnorm的程序中，
1）在train_op之前要加与更新moving_mean和moving_variance的依赖关系，才能保证测试时BatchNorm使用的是正确的train dataset的mu和sigma
2)  如果数据集较小，应该更改inception_v3_arg_scope()里batch_norm_parms['decay']衰减率，更小一些
3）因为mu和sigma是滑动平均累计来的，因此要等一段时间才能在validation dataset上收敛
4）模型持久化时，除了保存trainable variables()还需要保存moving_mean 和 moving_variance才能保证在测试时不会报“参数找不到”的错误