关于 classification mutual learning about alignedreid-re-production-pytorch

[huanghoujing]

你好，我并不是文章的作者。。。

需要注意classification loss和KLD loss的比重，我的实验中两者是1:1，另外，我没有对KLD的特征维度取平均，只取了样本的平均。

[lawpdas]

特征维度取平均是什么意思，就是 size_average 这个参数吗？会有很大影响吗，不太懂

[huanghoujing]

是的，是size_average这个参数。一个batch算出来的probability维度是[N, D]，D是特征维度。如果size_average=True，那么得到的loss是对特征维度、样本维度都取了平均，也即loss除以N*D，这样会导致kld loss权重太小，起不到作用。我的做法是size_average=False，然后得到的loss是[N, D]维度的，对这个loss在D维度上求和，然后再除以N。

[lawpdas]

我发现改成 False 后 loss 很难下降，修改 loss weight 也没什么变化。另外我对 pytorch 不太熟，不是很明白您的程序，我这样写有问题吗？

        """compute p1 p2"""
        logits1 = FC1(Feat1(inputs).view(-1,256))
        logits2 = FC2(Feat2(inputs).view(-1,256))
        
        """update net1"""
        l1 = F.cross_entropy(logits1, labels)
        kl1 = F.kl_div(F.log_softmax(logits1, dim=1),F.softmax(logits2.detach(), dim=1),False)/logits1.shape[0]
        loss1 = l1 + kl1
        
        optimizer1.zero_grad()
        loss1.backward()
        optimizer1.step()
        
        """compute p1"""
        logits1 = FC1(Feat1(inputs).view(-1,256))

        """update net2"""
        l2 = F.cross_entropy(logits2, labels)
        kl2 = F.kl_div(F.log_softmax(logits2, dim=1),F.softmax(logits1.detach(), dim=1),False)/logits2.shape[0]
        loss2 = l2 + kl2
        
        optimizer2.zero_grad()
        loss2.backward()
        optimizer2.step()

[huanghoujing]

你好，单看这个部分的话没发现什么问题，所以我也看不出来原因。

[huanghoujing]

你好，单纯classification probability mutual loss我之前有在SGD + staircase学习率下降方式上实验过，可以提升，其它优化器和学习率下降方式没有实验过。

[lawpdas]

谢谢，我后来参考 DML 的程序计算 KL ，现在可以正常收敛了，在 cifar100 上也看到了提升。

 kl1 = torch.sum(pred2.detach() * torch.log(1e-8 + pred2.detach() / (pred1 + 1e-8)), 1).mean()

这里也相当于 size_average=False，跟之前的程序应该没什么区别，但不知道为什么之前 loss 就是不降。

[michuanhaohao]

@lawpdas 你好，我是论文的一作，关于mutual这一个分支，原版论文是使用了ResNet50和ResNet-Xception50，mutual这种方法有点像模型ensemble，需要两个网络尽可能不一致，如果用两个ImageNet初始化的ResNet50可能没什么效果。

[lawpdas]

谢谢，有用的信息

[zxy14120448]

您好，我按照 Deep Mutual Learning复现 classification 的 mutual learning，但是一直没效果。偶然看到您论文里这部分实验，想问一下单独只做 classification 的 mutual learning 有什么要注意的？

你好，你的网络是怎么设计的啊？能分享一下GitHub链接吗？

[ZQSIAT]

您好，我按照 Deep Mutual Learning复现 classification 的 mutual learning，但是一直没效果。偶然看到您论文里这部分实验，想问一下单独只做 classification 的 mutual learning 有什么要注意的？

请问可以分享你的复现代码吗？谢谢~~jack.zhaoqingsong[at]gmail.com