01

導讀

ACL2017 年中，騰訊 AI-lab 提出了Deep Pyramid Convolutional Neural Networks for Text Categorization(DPCNN)。

論文中提出了一種基于 word-level 級別的網絡-DPCNN，由于 TextCNN不能通過卷積獲得文本的長距離依賴關系，而論文中 DPCNN 通過不斷加深網絡，可以抽取長距離的文本依賴關系。

實驗證明在不增加太多計算成本的情況下，增加網絡深度就可以獲得最佳的準確率。?

02

DPCNN 結構

究竟是多么牛逼的網絡呢？我們下面來窺探一下模型的芳容。

03

DPCNN 結構細節

模型是如何通過加深網絡來捕捉文本的長距離依賴關系的呢？下面我們來一一道來。為了更加簡單的解釋 DPCNN，這里我先不解釋是什么是 Region embedding，我們先把它當作 wordembedding。

等長卷積

首先交代一下卷積的的一個基本概念。一般常用的卷積有以下三類：

假設輸入的序列長度為n，卷積核大小為m，步長(stride)為s,輸入序列兩端各填補p個零(zero padding),那么該卷積層的輸出序列為(n-m+2p)/s+1。

(1)窄卷積(narrow convolution):步長s=1,兩端不補零，即p=0，卷積后輸出長度為n-m+1。

(2)寬卷積(wide onvolution)：步長s=1,兩端補零p=m-1，卷積后輸出長度n+m-1。

(3)等長卷積(equal-width convolution):步長s=1,兩端補零p=(m-1)/2，卷積后輸出長度為n。如下圖所示，左右兩端同時補零p=1,s=3。

池化

那么DPCNN是如何捕捉長距離依賴的呢？這里我直接引用文章的小標題——Downsampling with the number of featuremaps fixed。

作者選擇了適當的兩層等長卷積來提高詞位 embedding 的表示的豐富性。然后接下來就開始Downsampling(池化)。

再每一個卷積塊(兩層的等長卷積)后，使用一個 size=3 和 stride=2 進行 maxpooling 進行池化。序列的長度就被壓縮成了原來的一半。其能夠感知到的文本片段就比之前長了一倍。

例如之前是只能感知3個詞位長度的信息，經過1/2池化層后就能感知6個詞位長度的信息啦，這時把 1/2 池化層和 size=3 的卷積層組合起來如圖所示。

固定 feature maps(filters) 的數量

為什么要固定feature maps的數量呢?許多模型每當執行池化操作時，增加feature maps的數量，導致總計算復雜度是深度的函數。與此相反，作者對 feature map 的數量進行了修正，他們實驗發現增加 feature map 的數量只會大大增加計算時間，而沒有提高精度。

另外，夕小瑤小姐姐在知乎也詳細的解釋了為什么要固定featuremaps的數量。有興趣的可以去知乎搜一搜，講的非常透徹。

固定了 feature map 的數量，每當使用一個size=3和stride=2進行maxpooling進行池化時，每個卷積層的計算時間減半(數據大小減半)，從而形成一個金字塔。

這就是論文題目所謂的Pyramid。

好啦，看似問題都解決了，目標成功達成。剩下的我們就只需要重復的進行等長卷積+等長卷積+使用一個 size=3 和 stride=2 進行 maxpooling 進行池化就可以啦，DPCNN就可以捕捉文本的長距離依賴啦！

Shortcut connections with pre-activation

但是！如果問題真的這么簡單的話，深度學習就一下子少了超級多的難點了。

(1) 初始化CNN的時，往往各層權重都初始化為很小的值，這導致了最開始的網絡中，后續幾乎每層的輸入都是接近0，這時的網絡輸出沒有意義；

(2) 小權重阻礙了梯度的傳播，使得網絡的初始訓練階段往往要迭代好久才能啟動；

(3)就算網絡啟動完成，由于深度網絡中仿射矩陣（每兩層間的連接邊）近似連乘，訓練過程中網絡也非常容易發生梯度爆炸或彌散問題。

當然，上述這幾點問題本質就是梯度彌散問題。那么如何解決深度 CNN 網絡的梯度彌散問題呢？當然是膜一下何愷明大神，然后把 ResNet 的精華拿來用啦！ResNet 中提出的shortcut-connection/ skip-connection/ residual-connection（殘差連接）就是一種非常簡單、合理、有效的解決方案。

類似地，為了使深度網絡的訓練成為可能，作者為了恒等映射，所以使用加法進行shortcut connections，即z+f(z)，其中f用的是兩層的等長卷積。這樣就可以極大的緩解了梯度消失問題。

另外，作者也使用了pre-activation，這個最初在何凱明的 “Identity Mappings in Deep Residual Networks 上提及，有興趣的大家可以看看這個的原理。

直觀上，這種“線性”簡化了深度網絡的訓練，類似于 LSTM 中 constant errorcarousels 的作用。而且實驗證明pre-activation 優于 post-activation。

整體來說，巧妙的結構設計，使得這個模型不需要為了維度匹配問題而擔憂。

Region embedding

同時 DPCNN 的底層貌似保持了跟 TextCNN 一樣的結構，這里作者將 TextCNN 的包含多尺寸卷積濾波器的卷積層的卷積結果稱之為 Region embedding，意思就是對一個文本區域/片段（比如3gram）進行一組卷積操作后生成的embedding。

另外，作者為了進一步提高性能，還使用了tv-embedding (two-views embedding)進一步提高 DPCNN 的 accuracy。

上述介紹了 DPCNN 的整體架構，可見 DPCNN 的架構之精美。本文是在原始論文以及知乎上的一篇文章的基礎上進行整理。

本文可能也會有很多錯誤，如果有錯誤，歡迎大家指出來！建議大家為了更好的理解 DPCNN，看一下原始論文和參考里面的知乎。

04

用 Keras 實現 DPCNN 網絡

這里參考了一下 kaggle 的代碼，模型一共用了七層，模型的參數與論文不太相同。這里濾波器通道個數為64(論文中為256)，具體的參數可以參考下面的代碼，部分我寫了注釋。

05

DPCNN 實戰

上面我們用 keras 實現了我們的 DPCNN 網絡，這里我們借助 kaggle 的有毒評論文本分類競賽來實戰下我們的 DPCNN 網絡。