【多任务学习】Multi-Task Learning Using Uncertainty to Weigh Losses for Scene Geometry and Semantics

·阅读摘要：
  本文提出针对CV领域的多任务模型，设置一个可以学习损失权重的损失层，可以提高模型精度。
·参考文献：
  [1] Multi-Task Learning Using Uncertainty to Weigh Losses for Scene Geometry and Semantics

  个人理解：我们使用传统的多任务时，损失函数一般都是各个任务的损失相加，最多会为每个任务的损失前添加权重系数。但是这样的超参数是很难去调参的，代价大，而且很难去调到一个最好的状态。最好的方式应该是交给深度学习。

  论文最重要的部分在损失函数的设置与推导。 这对我们优化自己的多任务学习模型有指导意义。

[1] Homoscedastic uncertainty as task-dependent uncertainty (同方差不确定性)

  作者的数学模型通过贝叶斯模型建立。作者首先提出贝叶斯建模中存在两类不确定性：

  · 认知不确定性（Epistemic uncertainty）：由于缺少训练数据而引起的不确定性
  · 偶然不确定性（Aleatoric uncertainty）：由于训练数据无法解释信息而引起的不确定性

  而对于偶然不确定性，又分为如下两个子类：

  · 数据依赖地（Data-dependant）或异方差（Heteroscedastic）不确定性
  · 任务依赖地（Task-dependant）或同方差（Homoscedastic）不确定性

  多任务中，任务不确定性捕获任务间相关置信度，反应回归或分类任务的内在不确定性。

【注】本篇论文的假设，是基于同方差不确定性的。关于同方差不确定性和异方差不确定性的通俗解释，可以参考知乎问题：https://www.zhihu.com/question/278182454/answer/398539763

[2] Multi-task likelihoods (多任务似然)

  基于极大似然估计，假设 ${\mathbf{f}}^{\mathbf{W}}$为网络输出，$W$为该项输出的权重，则对于回归任务有：
$$p(y\mid {\mathbf{f}}^{\mathbf{W}}(x))=N({\mathbf{f}}^{\mathbf{W}}(x),{\sigma }^2)$$
  对于分类任务有：
$$p(y\mid {\mathbf{f}}^{\mathbf{W}}(x))=Softmax({\mathbf{f}}^{\mathbf{W}}(x))$$
  多任务的概率：
$$p(y_1,\dots ,y_K\mid {\mathbf{f}}^{\mathbf{W}}(x))=p(y_1\mid {\mathbf{f}}^{\mathbf{W}}(x))\dots p(y_K\mid {\mathbf{f}}^{\mathbf{W}}(x))$$
  例如对于回归任务来说，极大似然估计转化为最小化负对数：
$$logp(y\mid {\mathbf{f}}^{\mathbf{W}}(x))\propto -\frac{1}{2{\sigma }^2}{\Vert \Vert y-{\mathbf{f}}^{\mathbf{W}}(x)\Vert \Vert }^2-log\sigma$$
  其中 $\sigma$ 表示测量噪声的方差。

  双任务:

  假设是两个回归任务，那么概率如下：

  $p(y_1,y_2\mid {\mathbf{f}}^{\mathbf{W}}(x))=p(y_1\mid {\mathbf{f}}^{\mathbf{W}}(x))\cdot p(y_2\mid {\mathbf{f}}^{\mathbf{W}}(x))=N(y_1;{\mathbf{f}}^{\mathbf{W}}(x),{\sigma }_1^2)\cdot N(y_2;{\mathbf{f}}^{\mathbf{W}}(x),{\sigma }_2^2)$

  为了优化我们的 Loss 函数 $\mathcal{L}\left(\mathbf{W},{\sigma }_1,{\sigma }_2\right)$，取最小化负对数：

  $=-logp(y_1,y_2\mid {\mathbf{f}}^{\mathbf{W}}(x))$

  $\propto \frac{1}{2{\sigma }_1^2}\Vert y_1-{\mathbf{f}}^{\mathbf{W}}(x){\Vert }^{}2+\frac{1}{2{\sigma }_2^2}\Vert y_2-{\mathbf{f}}^{\mathbf{W}}(x)\Vert {}^2+log{\sigma }_1{\sigma }_2$

  $=\frac{1}{2{\sigma }_1^2}{L}_1(W)+\frac{1}{2{\sigma }_2^2}{L}_2(W)+log{\sigma }_1{\sigma }_2$

  假设是一个回归任务和一个分类任务，仍然可以推导出上述结论：

  $=\frac{1}{2{\sigma }_1^2}{L}_1(W)+\frac{1}{2{\sigma }_2^2}{L}_2(W)+log{\sigma }_1{\sigma }_2$

  所以，根据整个多任务问题的联合 Loss 形式，那么我们需要优化的参数不仅有 $W$ 还有 ${\sigma }_1$ 和 ${\sigma }_2$ 。

各个公式的证明

pytorch版代码实现

  首先要明确，损失函数中的参数不仅有 $W$ 还有 ${\sigma }_1$ 和 ${\sigma }_2$ 都是需要经过反向传播来学习的。

  代码如下：

import math

import pylab
import numpy as np

import torch
import torch.nn as nn
from torch.utils.data import Dataset, DataLoader


def gen_data(N):
    X = np.random.randn(N, 1)
    w1 = 2.
    b1 = 8.
    sigma1 = 1e1  # ground truth
    Y1 = X.dot(w1) + b1 + sigma1 * np.random.randn(N, 1)
    w2 = 3
    b2 = 3.
    sigma2 = 1e0  # ground truth
    Y2 = X.dot(w2) + b2 + sigma2 * np.random.randn(N, 1)
    return X, Y1, Y2


class TrainData(Dataset):

    def __init__(self, feature_num, X, Y1, Y2):

        self.feature_num = feature_num

        self.X = torch.tensor(X, dtype=torch.float32)
        self.Y1 = torch.tensor(Y1, dtype=torch.float32)
        self.Y2 = torch.tensor(Y2, dtype=torch.float32)

    def __len__(self):
        return self.feature_num

    def __getitem__(self, idx):
        return self.X[idx,:], self.Y1[idx,:], self.Y2[idx,:]


class MultiTaskLossWrapper(nn.Module):
    def __init__(self, task_num, model):
        super(MultiTaskLossWrapper, self).__init__()
        self.model = model
        self.task_num = task_num
        self.log_vars = nn.Parameter(torch.zeros((task_num)))

    def forward(self, input, targets):

        outputs = self.model(input)

        precision1 = torch.exp(-self.log_vars[0])
        loss = torch.sum(precision1 * (targets[0] - outputs[0]) ** 2. + self.log_vars[0], -1)

        precision2 = torch.exp(-self.log_vars[1])
        loss += torch.sum(precision2 * (targets[1] - outputs[1]) ** 2. + self.log_vars[1], -1)

        loss = torch.mean(loss)

        return loss, self.log_vars.data.tolist()


class MTLModel(torch.nn.Module):
    def __init__(self, n_hidden, n_output):
        super(MTLModel, self).__init__()

        self.net1 = nn.Sequential(nn.Linear(1, n_hidden), nn.ReLU(), nn.Linear(n_hidden, n_output))
        self.net2 = nn.Sequential(nn.Linear(1, n_hidden), nn.ReLU(), nn.Linear(n_hidden, n_output))

    def forward(self, x):
        return [self.net1(x), self.net2(x)]
np.random.seed(0)

feature_num = 100
nb_epoch = 2000
batch_size = 20
hidden_dim = 1024

X, Y1, Y2 = gen_data(feature_num)
pylab.figure(figsize=(3, 1.5))
pylab.scatter(X[:, 0], Y1[:, 0])
pylab.scatter(X[:, 0], Y2[:, 0])
pylab.show()

train_data = TrainData(feature_num, X, Y1, Y2)
train_data_loader = DataLoader(train_data, shuffle=True, batch_size=batch_size)

model = MTLModel(hidden_dim, 1)

mtl = MultiTaskLossWrapper(2, model)
mtl

# https://github.com/keras-team/keras/blob/master/keras/optimizers.py
# k.epsilon() = keras.backend.epsilon()
optimizer = torch.optim.Adam(mtl.parameters(), lr=0.001, eps=1e-07)

loss_list = []
for t in range(nb_epoch):
    cumulative_loss = 0
    
    for X, Y1, Y2 in train_data_loader:

        loss, log_vars = mtl(X, [Y1, Y2])

        optimizer.zero_grad()
        loss.backward()
        optimizer.step()

        cumulative_loss += loss.item()

    loss_list.append(cumulative_loss/batch_size)
pylab.plot(loss_list)
pylab.show()

print(log_vars)
[4.2984442710876465, -0.2037072628736496]
# Found standard deviations (ground truth is 10 and 1):
print([math.exp(log_var) ** 0.5 for log_var in log_vars])
[8.578183137529612, 0.9031617364804738]

【注】假设 $Loss=a\ast L_1(W)+b\ast L_2(W)$，我们这样简单的学习参数$a$和$b$是不行的，这样Loss会越来越小，永无止境。我们需要设置$Loss$有正则项，使得它有最小值，这样学习才对。