“问渠那得清如许，为有源头活水来”，通过前沿领域知识的学习，从其他研究领域得到启发，对研究问题的本质有更清晰的认识和理解，是自我提高的不竭源泉。为此，我们特别精选论文阅读笔记，开辟“源头活水”专栏，帮助你广泛而深入的阅读科研文献，敬请关注。
地址：https://zhuanlan.zhihu.com/p/260876366
本文主要介绍我们组被NeurIPS 2020接受的论文Interventional Few-Shot Learning。https://arxiv.org/abs/2009.13000https://github.com/yue-zhongqi/ifsl我们的这篇工作，根据小样本学习当中的因果关系，提出了一种新的基于因果干预的分类器IFSL，去除了预训练带来的掺杂效果，在各种方法上取得了稳定的提升。主要的优势有1. 广泛适用于各种基于微调（fine-tune）或是元学习（meta-learning）的方法，即插即用；2. 无需额外的训练步骤，原来模型咋训练，加上IFSL还是咋训练；3. 如果预训练数据集不公开，比如一些商用数据集只公开分类器和特征提取器，那么元学习的方法就不适用了，只能用微调。在这种情况下，IFSL还是可以大幅提高性能。接下来我会具体的来介绍小样本学习和我们的IFSL。章节导视（可点击阅读原文）：
01
2019年，Open AI Five以碾压的表现战胜了Dota2世界冠军战队OG，然而在这令人惊叹的表现背后，是12.8万个CPU和256块P100数个月训练的结果，相当于不间断练习了45000年的游戏。很显然，目前一个鲁棒的机器学习模型还难以离开大量的数据、长时间的训练以及高昂的训练成本。而小样本学习就致力于通过极少的训练数据（1-5个样本/类）来实现模型的泛化。那么，如何进行小样本学习呢？这一点我们可以观察人是如何快速学习的。例如一个人玩策略游戏帝国时代很厉害，那么如果去学习诸如星际争霸的其他策略游戏，就比较容易上手，因为可以运用以前的游戏经验，一通百通。同样的，对于机器而言，在少量样本上快速泛化的核心，就是借助先验知识。预训练是（Pre-training）大家都熟悉且非常有效的获取先验知识的方法。具体就是在大型数据集上，学习一个强大的神经网络作为特征提取器，例如CV里面常见的在ImageNet上预训练的ResNet网络，或是NLP里面在Wikipedia上训练的BERT，都代表一种特征表达的先验知识。在预训练基础上，我们只需在样本数量少的目标任务中，微调部分（例如只训练最后一层fc分类器）或者全部网络的参数，便得到了一个可以解决小样本学习问题的模型。预训练相当于给了小样本学习一个好的起点，就像一个人在上课前预习了大量的知识点。不过想要更上一层楼，还需要有效的学习方法。元学习（meta learning）的目的就是找到这种方法。具体来说，我们可以从预训练集中，每次采样出来一个“沙盒”版小样本任务，例如选5个类，每个类选5张图片作为训练集（support set），再选15张作为测试集（query set），然后我们要求模型在support set训练的结果，能够在query set上面取得好的表现。其实这种学习策略在我们身边随处可见，例如准备考试的时候，我们会提前做一些模拟测试，了解题型，规划答题节奏等等，这就是一种元学习。在小样本学习的实际操作中，我们可以使用元学习训练一个模型的初始化参数（MAML），或是一个分类器参数的生成网络（LEO）等等。通过元学习得到的知识，就构成了一种学习方法的先验知识，在预训练的网络之上，进一步提升小样本学习的表现。综上所述，小样本学习的解决思路，可以用下面这张图来概括：我们先在一个大的数据集 上面预训练一个特征提取网络 ，之后我们既可以直接使用 在每一个小样本任务中微调(红色方块的Fine-Tuning); 也可以进一步使用元学习(Meta-Learning)，将 拆成一个个由support set 和query set 组成的沙盒任务 ，训练高效的学习方法 ；元学习结束以后，我们就可以用这种高效的学习方法，在小样本学习的任务中进行微调(绿色方块的Fine-Tuning)。
小样本学习的两种解决思路。
02
从上一章的介绍中不难看出，预训练是小样本学习中一个核心的环节，无论是基于微调的，还是基于元学习的方法，都以预训练为开始。那么从常理来说，更强的预训练，应该会带来更好的小样本学习的表现，例如在现有文献中，使用更深层的神经网络架构WRN-28-10的微调结果，往往会比相对较浅的ResNet-10表现好很多。然而我们在微调的实验中发现（见左边的直方图），虽然平均WRN-28-10（strong ）更好，但当query set和support set区别很大的时候，结果是恰恰相反的，浅层的ResNet-10反而表现更佳！这是为什么呢？这张图的右边是一个 和 区别很大的例子，其中预训练时候见过的草的颜色是support set里的一个误导因素，分类器容易踩坑，以草的颜色（见过）而非动物本身（没见过）作为分类依据。而越强的预训练模型，这些见过的草，相比于没见过的动物，就会产生越鲁棒的特征，对于分类器就更加误导了，聪明反被聪明误。为什么这个问题一直没有被发现呢？其实就是因为被现有方法基于随机取样后平均的评估策略所掩盖了。我们的工作也首次为这个现象提供了解释。具体来说，刚才讲的这个悖论是由小样本学习当中的因果关系造成的。预训练在带来丰富的先验知识的同时，也成了学习过程中的一个混杂因子（confounder），使得分类器难以找到样本特征和样本标注之间真实的因果关系。我们用一张因果图来具体说明。- : 这里 代表预训练的先验知识， 代表图片的特征表示，箭头的意思是，我们用预训练得到的特征提取器，获得样本的特征.
- : 其中C代表一个样本X在预训练数据流形上面的投影；一个例子是eigenface，我们将高维的训练集（），通过PCA找到这些图片的基（也就是eigenface），这样一张人脸图片（），就可以被表示成这些基的线性组合，而线性组合的系数就是 。类似的现象在深度学习的训练中也会出现，具体可以参考我们论文里面的引用。
- : 当我们用特征 训练一个分类器预测标签 的时候，分类器会不可避免的使用 里面的信息；也就是说 是特征里面低维度信息的影响，而 是 里没有包含的冗余信息带来的影响。
在这个因果图中，注意到 是 和 的共因（ ），这样 被叫做 和 的混杂因子，从而导致观测到的 ，被混杂的关系 污染，而不能反映 和 间真实的因果关系了，刚才分类器被草的颜色迷惑的原因，其实就是分类器使用了 里“草”的语义信息，作为分类狮子的依据。那么当存在混杂因子的时候，我们应该如何学习 真实的因果关系呢？这就要用到干预（intervention），即 。干预 会切断因果图中所有指向 的箭头（如下图），这样之前产生混杂的这条路 被堵住了，我们就能安全的学习想要的因果关系了。我们的这篇工作使用后门调整(backdoor adjustment)来实现 ，我们的因果图对应的后门调整是：具体来说，就是对预训练的知识 进行分层（见图中的 ），每一层有自己的分类器 ，然后把每层分类器的结果通过先验概率 平均起来。关于混杂因子、干预和后门调整的具体介绍，大家可以参考一下我们组王谭写的：https://zhuanlan.zhihu.com/p/11130635303
上一章讲到预训练在带来特征表达的先验知识的同时，也成为了混杂因子而迷惑了分类器的训练，而我们打算通过对预训练知识分层，然后用后门调整来找到 和 之间真实的因果关系。这一章我们会来讲具体如何实现分层和后门调整。我们是从预训练的神经网络所自带的两个属性来寻找分层的灵感的：1）特征维度，例如ResNet-10是512维的特征，每一个维度代表CNN里面的一个通道，对应了图片中的一些视觉信息；2）预训练的类别，例如在miniImageNet上预训练所使用的64个类，那么预训练所得到的64类分类器，就可以看作对预训练数据集知识的一种蒸馏(knowledge distillation)。基于这些灵感，我们提出了三种不同的实现方案，分别是基于特征的调整(feature-wise adjustment)，基于类别的调整(class-wise adjustment)以及两种结合起来(combined adjustment)。具体这三种调整是如何对应后门调整公式的，大家可以参考论文第三章，这里我只是讲一下具体的实现。- 基于特征的调整：将特征向量 劈成 等份，在每一份对应的维度里学一个分类器，最终 是把 个分类器softmax后的概率算个平均。例如把ResNet-10的512维分成4份，每128维为一份，学习4个分类器；
- 基于类别的调整：首先我们在预训练的 个类中，各自算一个平均特征 ，即把所有属于这个类的图片特征平均一下；对于任务当中的一个样本特征 ，我们用预训练的分类器算出这个样本属于 个类的概率 ，使用 和 ，我们能算出来一个新的特征向量 ;然后我们把原始特征 和这个 拼起来，用来训练分类器，注意这里只训练了一个分类器，不过分类器输入的维度是 维度的二倍；
- 结合调整：相当于先做基于类别的调整，再做基于特征的调整。还是以ResNet-10和N=4为例子，对于每一个样本 ，我们算出 以后，把 和 各自劈成4份，然后一一对应的拼起来（比如 的前128维拼上 的前128维），然后训练4个分类器， 同样是把4个分类器的输出概率算个平均。
可以看到，我们基于干预的这个方法只改变了分类器的架构，因此可以普遍的加入基于微调或元学习的小样本学习方法，并且无需增加额外的训练步骤。
04
【普遍适用，涨点明显】因为我们的方法是在分类器层面的改动，所以可以普遍的加入到各种微调和元学习的方法当中。我们在常用的微调方法（linear，cosine和k-NN），以及5种不同思路的元学习方法上面做了大量的验证，在miniImageNet和tieredImageNet上面取得了普遍的提高。【去除预训练的混杂】我们提出了一种新的Hardness-specific Acc来诊断小样本学习。对于每一个测试样本，根据它和训练集support set的相似程度，我们定义了一个难度系数，这样我们可以观察模型在不同测试样本难度下的表现，而越难的样本就越容易在上面被预训练的知识误导。下图展示了微调当中baseline和ifsl的hardness-specific acc，可以看到IFSL（实线）在各个难度下都超过了baseline（虚线），说明起到了去除混杂的作用。更详细的分析可以参考论文。【帮助模型聚焦物体】模型在做预测的时候，是根据图片上的哪一部分呢？因此我们提出了CAM-Acc：在一张图片上先计算Grad-CAM分数（越高代表模型越关注这一部分），CAM-Acc是Grad-CAM分数高于0.9的区域中，在物体bounding box内部的比重。我们来看一下Grad-CAM可视化的结果，以及CAM-Acc的表现。通过可视化和CAM-Acc的分数，可以看到IFSL的模型的确能够多注意物体本身。当然也有失败的时候，比如看到当物体太小的时候（蚂蚁），baseline和IFSL都只能依赖背景中的context去做预测了。
05
预训练的先验知识，是近些年来小样本学习分数快速提升的重要原因。我们的这篇工作，其实是从因果的角度分析了预训练对于学习一个分类模型的影响，揭示了基于 的分类器会被先验知识混杂，想当然的做出预测；而基于干预 的去混杂方法，就是在一个不熟悉的小样本学习任务中，平衡先验知识的影响，做到三思而后行。在这个思路下，我们提出了IFSL分类器，简单、普适且有效。事实上，这种对先验知识的处理方法，可以被应用于任何使用预训练的任务当中，因为下游任务中的训练数据，比起大规模预训练来说，都相当于小样本学习了。也欢迎大家参考我们搭建的因果框架，在使用到预训练的不同场景中，尝试去除预训练知识所带来的掺杂。@inproceedings{yue2020interventional, title={Interventional Few-Shot Learning}, author={Yue, Zhongqi and Zhang, Hanwang and Sun, Qianru and Hua, Xian-Sheng}, booktitle= {NeurIPS}, year={2020}}也推荐一波我们组凯爷在因果关系上非常solid的研究：https://zhuanlan.zhihu.com/p/259569655
https://zhuanlan.zhihu.com/p/109657521
本文目的在于学术交流，并不代表本公众号赞同其观点或对其内容真实性负责，版权归原作者所有，如有侵权请告知删除。
“源头活水”历史文章
更多源头活水专栏文章，
请点击文章底部“阅读原文”查看
分享、在看，给个三连击呗！