论文地址：https://arxiv.org/pdf/2009.04759.pdf
论文代码：https://github.com/nmaac/acon
本文提出一种新的激活函数ACON (activate or not)，可以自适应地学习激活与否。
ReLU是最常见的激活函数，最近NAS搜到的Swish在各种SOTA网络结构中逐渐取代ReLU。有趣的是，我们发现虽然两者形式看起来很不一样，但Swish可以解释为ReLU的一种平滑近似。基于这个发现，本文进一步分析ReLU的一般形式Maxout系列激活函数，从而得到Swish的一般形式、简单且有效的ACON激活函数。
本文在多个任务上验证了此方法的涨点性能和泛化性能（例如在MobileNet-0.25和ResNet-152上，分别将ImageNet准确率提高了6.7%和1.8%），这表明ACON对已有的激活函数中是一种有效的替代方法。
一. ReLU和Swish的关系
前面提到，NAS在现代激活函数方面取得了成功，NAS搜索到的Swish已经在EfficientNet等许多SOTA模型中已经成为默认配置，但如何解释Swish背后的原理呢？（SENet也是近年的SOTA标配，我们在另一个工作 WeightNet中也做过一些有意思的探讨）
ECCV 2020，一种灵活高效的权重生成网络框架
https://arxiv.org/abs/2007.11823
本文的一个目标是提出一个新的视角，去解释这个搜索结果背后的机制，并研究更有效的激活功能。下面会详细讲解如何把Swish理解为ReLU的一种平滑近似：
对于一个最大函数 , 我们可以通过一个简单而通用的近似公式来获取他的平滑近似：
这里引入了一个 ，它控制着 的平滑程度：
当 时， （非线性）
当 时， 算术平均 （线性）
从下面的示例图可以更形象的看出 的作用：
对于公式(1)，我们仅考虑n=2的情况，可以推导成下面用sigmoid来表示的形式，其中用 分别代表这两项：
我们发现上面的形式看起来仍然很复杂，但当我们把 代入合适的值，有意思的事情就发生了：
我们发现，当 时， 恰好是 ReLU 的表达式，而 又恰好是 Swish 的表达式。于是，我们可以把 Swish 解释为 ReLU 的这样一种平滑近似。
二、ReLU的一般式和Swish的一般式的关系
前面给出了一种新的视角解释了 ReLU 和 Swish 的关系，下面本文对 ReLU 的一般式 Maxout 做出同样的平滑近似，便得到了一簇新的激活函数，即 ACON 系列激活函数。其中 ReLU 是 Maxout 的一种特殊形式，Swish 是 ACON 的一种特殊形式。
我们把 代入不同的值，得到上表中的不同形式，我们着重分析ACON-C，计算它的导数：
看起来会新增加额外的参数 , 我们画出下图来更直观的理解它。可以发现在一阶导中， 控制着其渐进上下界的速度，而 则控制着上下界的值，这一点是Swish所欠缺的，后面的实验也会证明 的重要性。
验证ACON-C中p1,p2的涨点性能，即使在大模型Res152上也有1.1的涨点
三、ACON 的更多特例 ACON-FReLU
前面对Maxout中 的不同取值做了分析。最近专门针对视觉任务的新激活函数 FReLU (Funnel Activation for Visual Recognition https://arxiv.org/pdf/2007.11824.pdf）也是Maxout的一种特例，本文设 后，得到了 ACON-FReLU，并且基于此模块，设计了一个仅由 Conv1x1 和 ACON-FReLU 组成的轻量级block：
以此 block 为基础搭建了 Toy Funnel Network (TFNet)，来验证 ACON-FReLU 的有效性：
和同样不含SE模块的轻量级网络相比可以看到明显优势
四、Meta-ACON
前面对 的不同变体着重做了分析，但前面提到 也同样重要因为其控制了激活程度。然而，从实验结果来看，在 Swish 的原始文章中也提到， 作用不大，即使 固定为1（Swish-1），也能取得差别不大的性能。
这与我们前面对 的分析相违背，于是，本文对 用非常简单直接的小网络结构去生成，即显式地学习激活程度而不仅仅是把 作为一个参数，这样就解决了 效果不大的问题：
下面在不同任务上展示此方法的有效性，可以看到，Meta-ACON 取得了相比于 SENet 几乎两倍的涨点：
在大模型和小模型都能有非常显著的涨点，且随着模型变大，涨点效果没有明显减弱
从学习曲线可以看到ACON-C相比于Swish的优势在于后期仍能有提升，Meta-ACON则效果跟为显著
在其他任务上的泛化性能
本文为原创文章，版权归知行编程网所有，欢迎分享本文，转载请保留出处！
内容反馈