如何解决图神经网络（GNN）训练中过度平滑的问题

本文转载自查看原文 2019-09-27 10:09 1494

如何解决图神经网络（GNN）训练中过度平滑的问题？

转自知乎

https://www.zhihu.com/question/346942899/answer/835292740

即在图神经网络的训练过程中，随着网络层数的增加和迭代次数的增加，每个节点的隐层表征会趋向于收敛到同一个值（即空间上的同一个位置）。出现这种情况的具体原…

泻药..首先要搞清楚图神经网络不能加深的原因是什么。常见的原因有三种：1）数据集太小，overfitting的问题，在一些数据上training acc为100%的大概率是这个问题，需要通过防止过拟合的技术来解决 2）vanishing gradient，这是CNN里一样存在的问题，当层数太深导致网络的参数不能得到有效的训练。这个问题可以加skip connections可以有效解决 3）over smoothing

写的很好，同一个连通分量里的节点会收敛的一个值，一个解决的方法是通过有效地改变图的结构或卷积的领接节点来解决。比如在点云里用动态knn/dilation来建边，但在其他图数据，这个方法会丢失边的信息。那还有什么方法能解决？目前我们已经有了一些很好的效果，具体我们后续论文会再深入研究。

其他同学@也提到了我们ICCV Oral的工作：DeepGCNs，这个工作主要是解决了vanishing gradient和over smoothing的问题，最开始是在点云上做的实验，正在做的TPAMI版本我们把14层的图网络MRConv用到了PPI数据，达到了F1 score 99.4的效果，是目前的start-of-the-art。PPI部分的实验代码近期会开源。

点云实验的代码、论文、slides都已开源。论文还有很多可以改善的地方，我们也还在做一些后续工作，欢迎交流：

Arxiv paper：

DeepGCNs: Can GCNs Go as Deep as CNNs?arxiv.org

Github：

Tensorflow:

lightaime/deep_gcnsgithub.com

Pytorch:

lightaime/deep_gcns_torchgithub.com

都说GNN实际是个热传导，所以如果导热率太高，时间太长，最终就是温度达到单一温度。所以要降低导热率，或者缩短传导时间，才能形成有局部特征的分布模式。从消息传递的角度，就是要增加势能函数的差异性，或者说是降低系统温度，以及减少消息传递的循环次数。

更正一下题目中的几个小误区：

原题：如何解决 图神经网络（GNN）训练中过度平滑的问题？即在图神经网络的训练过程中，随着网络层数的增加和迭代次数的增加， 每个节点的隐层表征会趋向于收敛到同一个值（即空间上的同一个位置）。

不是所有图神经网络都有 over-smooth 的问题，例如，基于 RandomWalk + RNN、基于 Attention 的模型大多不会有这个问题，是可以放心叠深度的～只有部分图卷积神经网络会有该问题。

不是每个节点的表征都趋向于收敛到同一个值，更准确的说，是同一连通分量内的节点的表征会趋向于收敛到同一个值。这对表征图中不通簇的特征、表征图的特征都有好处。但是，有很多任务的图是连通图，只有一个连通分量，或较少的连通分量，这就导致了节点的表征会趋向于收敛到一个值或几个值的问题。

注：在图论中，无向图的 连通分量是一个子图，其中任何两个顶点通过路径相互连接。

为什么 GCN 中会存在 over-smooth 的问题

首先，回顾一下全连接神经网络和 Kipf 图卷积神经网络的公式：

$FCN=\sigma(XW)\\ GCN=\sigma(\hat{D}^{-\frac{1}{2}}\hat{A}\hat{D}^{-\frac{1}{2}}XW)$

其中， $\sigma$ 为激活函数， $X$ 为节点特征， $W$ 为训练参数， $\hat{A}=A+I$ ， $A$ 为邻接矩阵， $\hat{D}_{ii}=\sum_{i\in N}\hat{A}_{ij}$ ， $N$ 为图中的所有节点。可以发现图卷积神经网络只多了对节点信息进行汇聚的权重 $\hat{D}^{-\frac{1}{2}}\hat{A}\hat{D}^{-\frac{1}{2}}$ 。从 $\hat{A}$ （无归一化）到 $\hat{D}^{-1}\hat{A}$ （归一化），再到 $\hat{D}^{-\frac{1}{2}}\hat{A}\hat{D}^{-\frac{1}{2}}$ （对称归一化），对于该权重的研究已然汗牛充栋。

学有余力的同学可以往下看通式上 over-smooth 的证明，这里先以 $D^{-1}A$ 为例，进行一个直观的解释：

首先，中间层的 $W$ 由任务相关的 $Loss$ 反向传播进行优化，可以理解为任务相关的模式提取能力，我们将其统一在图卷积后进行，多层卷积公式可以近似为：

$GCN=f((\hat{D}^{-1}\hat{A})^kX)\\$

其中， $f$ 可以看作被提取的多个隐藏层。化简该式：

$GCN=f(\frac{\hat{A}^k}{\hat{D}^k}X)\\$

其中，邻接矩阵的幂， $A^{k}_{ij}$ 表示节点 $i$ 和节点 $j$ 之间长度为 $k$ 的 walk 的数量。而它的度， $\hat{D}_{ii}=\sum_{i\in N}\hat{A}_{ij}$ 代表节点 $i$ 到所有节点之间长度为 $k$ 的 walk 的数量。

这时， $(\frac{\hat{A}^k}{\hat{D}^k})_{ij}$ 则代表以节点 $i$ 为起点，随机完成 $k$ 步的 walk 最后抵达节点 $j$ 的概率。

随着 walk 步数的增多，远距离节点的抵达难度越来越小，被随机选中的概率越来越大。当 $k\to \infty$ 时，连通分量中的节点 $i$ 到达连通分量中任意节点的概率都趋于一致，为 $\frac{1}{n}$ ，其中 $n$ 代表连通分量中节点的总数，即 $(\frac{\hat{a}^k}{\hat{d}^k})_{ij}=[\frac{1}{n}]_{n\times n}$ ，其中 $\hat{a}$ 、 $\hat{d}$ 代表连通分量的邻接矩阵和度矩阵。

令连通分量中的特征向量为 $x$ ，且 $x\in \mathbb{R}^{n\times q}$ ， $q$ 代表连通分量中节点的特征维度。节点信息的汇聚可以表示为：

$[\frac{1}{n}]_{n\times n}x_{n\times q}\\$

连通分量中每个节点的特征都为所有节点特征的平均，也就是我们开始的时候说的，同一连通分量内的节点的表征趋向于收敛到同一个值。

在感性地认识到图卷积与连通分量之间的关联后，有的工作想到利用特征分解（特征向量对应连通分量）给出 over-smooth 定理的证明^[1]：

over-smooth 定理：假设图 $G$ 由 $k$ 个连通分量 $\{C_i\}^k_{i=1}$ 构成，其中第 $i$ 个连通分量可以用向量 $l^{(i)}$ 表示：

$l^{(i)}_j=\left\{ \begin{aligned} 1 &, v_j \in C_i \\ 0 &, v_i \notin C_i \\ \end{aligned} \right.\\$

那么，当图中不存在二分连通分量时，有：

$\lim _{m \rightarrow+\infty}\left(I-\alpha L_{r w}\right)^{m} W=\left[\mathbf{1}^{(1)}, \mathbf{1}^{(2)}, \ldots, \mathbf{1}^{(k)}\right] \theta_{1}\\ \lim _{m \rightarrow+\infty}\left(I-\alpha L_{s y m}\right)^{m} W=D^{-\frac{1}{2}}\left[\mathbf{1}^{(1)}, \mathbf{1}^{(2)}, \ldots, \mathbf{1}^{(k)}\right] \theta_{2}$

其中， $\theta_{1}$ 和 $\theta_{2}$ 表示线性组合 $\left[\mathbf{1}^{(1)}, \mathbf{1}^{(2)}, \ldots, \mathbf{1}^{(k)}\right]$ 的系数，且：

${L_{\mathrm{rw}} =D^{-1} L=I-D^{-1} W}\\ {L_{\mathrm{sym}} =D^{-1 / 2} L D^{-1 / 2}=I-D^{-1 / 2} W D^{-1 / 2}} \\$

本想写自己的证明过程，但由于篇幅较长喧宾夺主，有机会再贴～

如何解决 over-smooth 的问题

在了解为什么 GCN 中会存在 over-smooth 问题后，剩下的工作就是对症下药了：

问题：图卷积会使同一连通分量内的节点的表征会趋向于收敛到同一个值。

针对“图卷积”：在当前任务上，是否能够使用 RNN + RandomWalk（数据为图结构，边已然存在）或是否能够使用 Attention（数据为流形结构，边不存在，但含有隐式的相关关系）？
针对“同一连通分量内的节点”：在当前任务上，是否可以对图进行 cut 等预处理？如果可以，将图分为越多的连通分量，over-smooth 就会越不明显。极端情况下，节点都不相互连通，则完全不存在 over-smooth 现象（但也无法获取周围节点的信息）。

如果上述方法均不适用，仍有以下 deeper 和 wider 的措施可以保证 GCN 在过参数化时对模型的训练和拟合不产生负面影响。个人感觉，这类方法的实质是不同深度的 GCN 模型的 ensamble：

巨人肩膀上的模型深度 —— residual 等

Kipf 在提出 GCN 时，就发现了添加更多的卷积层似乎无法提高图模型的效果，并通过试验将其归因于 over-smooth：多层 GCN 可能导致节点趋同化，没有区别性。但是，早期的研究认为这是由 GCN 过分强调了相邻节点的关联而忽视了节点自身的特点导致的。所以 Kipf 给出的解决方案是添加残差连接^[2]，将节点自身特点从上一层直接传输到下一层：

$Z^{(l+1)}=\hat{D}^{-\frac{1}{2}}\hat{A}\hat{D}^{-\frac{1}{2}}X^{(l)} W^{(l)},\\X^{(l+1)}=\sigma\left(Z^{(l+1)}\right)+X^{(l)}\\$

在这个思路下，陆续有工作借鉴 DenseNet，将 residual 连接替换为 dense 连接，提出了自己的 module ^[3]^[4]：

$X^{(l+1)}=\mathcal{T}(\sigma\left(Z^{(l+1)}\right),X^{(l)})\\$

其中， $\mathcal{T}(.)$ 表示拼接节点的特征向量。

最近，也有些工作认为直接将使用残差连接矫枉过正，残差模块完全忽略了相邻节点的权重，因而选择在 $\hat{D}^{-\frac{1}{2}}\hat{A}\hat{D}^{-\frac{1}{2}}$ 的基础上，对节点自身进行加强^[5]：

$X^{(l+1)}=\sigma\left(\left(\hat{D}^{-\frac{1}{2}}\hat{A}\hat{D}^{-\frac{1}{2}}+I\right) X^{(l)} W^{(l)}\right)\\$

在此基础上，作者进一步考虑了相邻节点的数量，提出了新的正则化方法：

$X^{(l+1)}=\sigma\left((\hat{D}^{-1}\hat{A}+\lambda \operatorname{diag}(\hat{D}^{-1}\hat{A}) X^{(l)} W^{(l)}\right)\\$

另辟蹊径的模型宽度 —— multi-hops 等

随着图卷积渗透到各个领域，一些研究开始放弃深度上的拓展，选择效仿 Inception 的思路拓宽网络的宽度，通过不同尺度感受野的组合对提高模型对节点的表征能力。N-GCN^[6]通过在不同尺度下进行卷积，再融合所有尺度的卷积结果得到节点的特征表示：

$N-GCN=softmax(\mathcal{T}\left(\begin{matrix} GCN(\bar A^0,X;\theta^{(0)})\\ GCN(\bar A^1,X;\theta^{(1)})\\ ...\\ GCN(\bar A^n,X;\theta^{(n)}) \end{matrix}\right)W)\\$

其中， $GCN(A,X,\theta)=\sigma(AX\theta)$ ， $\mathcal{T}(.)$ 表示拼接节点的特征向量。原文中尝试了 $\bar A^k =( \hat{D}^{-\frac{1}{2}}\hat{A}\hat{D}^{-\frac{1}{2}})^k$ 和 $\bar A^k =( \hat{D}^{-1}\hat{A})^k$ 等不同的归一化方法对当前节点 $k$ 阶临域的进行信息汇聚，取得了还不错的效果。

也有一些工作认为 GCN 的各层的卷积结果是一个有序的序列：对于一个 $n$ 层的 GCN，第 $i$ 层捕获了 $i$ -hop 邻居节点的信息，其中 $i\in \{0, ...,n\}$ ，相邻层 $i$ 和 $i+1$ 之间有依赖关系。因而，这类方法选择使用 RNN 对各层之间的长期依赖建模^[7]：

$X^{(l+1)}=R N N\left(GCN\left(X^{(l)}, A ; \theta^{(l)}\right), X^{(l)}\right.)\\$

即为：

$\begin{aligned} X^{(l+1)} &=\hat{D}^{-\frac{1}{2}} \hat{A} \hat{D}^{-\frac{1}{2}} X^{(l)} W^{(l)} \\ I^{(l+1)} &=\sigma\left(X^{(l+1)} W_{i}+X^{(l)} U_{i}+\left[b_{i}\right]_{N}\right) \\ F^{(l+1)} &=\sigma\left(X^{(l+1)} W_{f}+X^{(l)} U_{f}+\left[b_{f}\right]_{N}\right) \\ O^{(l+1)} &=\sigma\left(X^{(l+1)} W_{o}+X^{(l)} U_{o}+\left[b_{o}\right]_{N}\right) \\ \hat{C}^{(l+1)} &=\tanh \left(X^{(l+1)} W_{c}+X^{(l)} U_{c}+\left[b_{c}\right]_{N}\right) \\ C^{(l+1)} &=F^{(l+1)} \circ C^{l}+I^{(l+1)} \circ \hat{C}^{(l+1)} \\ X^{(l+1)} &=O^{(l+1)} \circ \tanh \left(C^{(l+1)}\right) \end{aligned}\\$

随着图卷积的日益成熟，深层的图卷积已经在各个领域开花结果啦～相信在不久的将来，pruning 和 NAS 还会碰撞出新的火花，童鞋们加油呀！另外，有的同学私信想看我的论文中是怎样处理 over-smooth 的～可是由于写作技巧太差我的论文还没发粗去（最开始导师都看不懂我写的是啥，感谢一路走来没有放弃我的导师和师兄，现在已经勉强能看了），等以后有机会再分享叭～

免责声明！

本站转载的文章为个人学习借鉴使用，本站对版权不负任何法律责任。如果侵犯了您的隐私权益，请联系本站邮箱yoyou2525@163.com删除。

猜您在找 GNN图神经网络（1）图神经网络之 GNN与RNN 【GNN】图神经网络小结 2020必火的图神经网络（GNN）是什么？有什么用？深度图神经网络(GNN)论文图神经网络（Graph Neural Networks，GNN）综述 GNN（Graph Neural Network 图神经网络）神经网络训练中的train loss, test loss问题 08-GNN 图机器学习之图神经网络 GCE-GNN:基于会话的推荐的全局上下文增强图神经网络