转载：ProxylessNAS

转载：麻省理工韩松教授 提出的 ProxylessNAS

论文：ProxylessNAS: Direct Neural Architecture Search on Target Task and Hardware.

网站：https://hanlab.mit.edu/projects/proxylessNAS/

论文: https://arxiv.org/pdf/1812.00332.pdf

代码：https://github.com/MIT-HAN-LAB/ProxylessNAS

原博地址：https://www.jiqizhixin.com/articles/2018-12-07-8

摘要：NAS 受限于其过高的计算资源 (GPU 时间, GPU 内存) 需求，仍然无法在大规模任务 (例如 ImageNet) 上直接进行神经网络结构学习。目前一个普遍的做法是在一个小型的 Proxy 任务上进行网络结构的学习，然后再迁移到目标任务上。这样的 Proxy 包括: (i) 训练极少量轮数; (ii) 在较小的网络下学习一个结构单元 (block)，然后通过重复堆叠同样的 block 构建一个大的网络; (iii) 在小数据集 (例如 CIFAR) 上进行搜索。然而，这些在 Proxy 上优化的网络结构在目标任务上并不是最优的。在本文中，我们提出了 ProxylessNAS，第一个在没有任何 Proxy 的情况下直接在 ImageNet 量级的大规模数据集上搜索大设计空间的的 NAS 算法，并首次专门为硬件定制 CNN 架构。我们将模型压缩 (减枝，量化) 的思想与 NAS 进行结合，把 NAS 的计算成本 (GPU 时间, GPU 内存) 降低到与常规训练相同规模，同时保留了丰富的搜索空间，并将神经网络结构的硬件性能 (延时，能耗) 也直接纳入到优化目标中。我们在 CIFAR-10 和 ImageNet 的实验验证了」直接搜索」和「为硬件定制」的有效性。在 CIFAR-10 上，我们的模型仅用 5.7M 参数就达到了 2.08% 的测试误差。对比之前的最优模型 AmoebaNet-B，ProxylessNAS 仅用了六分之一的参数量就达到了更好的结果。在 ImageNet 上，ProxylessNAS 比 MobilenetV2 高了 3.1% 的 Top-1 正确率，并且在 GPU 上比 MobilenetV2 快了 20%。在同等的 top-1 准确率下 (74.5% 以上), ProxylessNAS 的手机实测速度是当今业界标准 MobileNetV2 的 1.8 倍。在用 ProxylessNAS 来为不同硬件定制神经网络结构的同时，我们发现各个平台上搜索到的神经网络在结构上有很大不同。这些发现为之后设计高效 CNN 结构提供新的思路。

背景

近期研究中，神经结构搜索（NAS）已经在各种深度学习任务（例如图像识别）的神经网络结构设计自动化方面取得了很大成功。然而，传统 NAS 算法的计算量需求往往令人望而却步，例如 NASNet 需要 10^4 GPU hours 来运行。以 DARTs 为代表的 Differentiable NAS 虽减少了计算需求，可随着搜索空间线性增长的内存成了新的瓶颈。由于这些局限，之前的 NAS 都利用了 Proxy 任务，例如仅训练少量 Epoch，只学习几个 Block，在较小的数据集上搜索（e.g. CIFAR）再迁移。这些 Proxy 任务上优化的结构，并不一定在目标任务上是最佳的。同时为了实现可转移性，这些方法往往仅搜索少数结构 Block，然后重复堆叠。这限制了块的多样性，并导致性能上的损失。依赖 Proxy 同时也意味着无法在搜索过程中直接权衡延迟等硬件指标。

在这项工作中，我们提出了一个简单而有效的方案来解决上述限制，称为 ProxylessNAS：它直接在目标任务和硬件上学习结构而不依赖于 Proxy。我们还移除了先前 NAS 工作中的重复块的限制：所有 stage 都可以自由的选择最适合的模块。此外，为了直接在目标硬件上学习专用网络结构，在搜索时我们也考虑了硬件指标（例如延迟）。

• ProxylessNAS 是第一个在没有任何代理的情况下直接学习大规模数据集（例如 ImageNet）上的 CNN 结构的 NAS 算法，同时仍然允许大的候选集并消除重复块的限制。它有效地扩大了搜索空间，实现了更好的性能。

• 我们为 NAS 提供了一种新的路径级剪裁视角，显示了 NAS 与模型压缩之间的紧密联系（Han et al。，2016）。我们通过使用路径级二值化将内存消耗节省一个数量级。

• 我们提出了一种新的基于梯度的方法（作为一个正则函数），来处理硬件目标（例如延迟）。针对不同的硬件平台：CPU / GPU / FPGA / TPU / NPU，ProxylessNAS 实现了针对目标硬件 CNN 结构定制。据我们所知，这是第一个来研究不同硬件结构下的专用神经网络结构的文章。

• 广泛的实验证明了 Directness 和 Specialization 的优势。它在不同硬件平台（GPU，CPU 和 Mobile）延迟限制下，在 CIFAR-10 和 ImageNet 上实现了最好的性能。我们还分析了专用于不同硬件平台的高效 CNN 模型的偏好，指出不同硬件平台需要不同的神经网络结构。

方法

NAS 的路径级减枝视角

我们将 NAS 建模成一个路径级减枝的过程。如图 2 所示，我们首先构建一个过度参数化网络。这个网络在各个位置不是采用一个确定的操作，而是保留了所有可能的操作。我们引入架构参数来显示地学习各个位置上哪些操作是冗余的，然后通过去除这些冗余的操作，我们就得到了一个轻量的网路结构。如此，我们就只需要在网络结构搜索的过程中，训练这个过度参数化网络即可，而不需要训练成千上万个网络，也不需要使用一个额外的元控制器。

然而，直接去训练这样一个过度参数化网络是有问题的，因为其 GPU 显存会随着候选操作的数量线性增长。这里，我们利用到路径级二值化的思想来解决这个问题: 即将路径上的架构参数二值化，并使得在训练过程中只有一个路径处于激活状态。这样一来 GPU 显存的需求就降到和正常训练一个水平。在训练这些二值化的架构参数的时候，我们采用类似 BinaryConnect 的思想，使用对应的 Binary Gate 的梯度来更新架构参数:

优化不可导的网络结构硬件指标

除了准确率之外，在设计高效神经网络结构的时侯，延迟（Latency）是另一个非常重要的目标。与可以使用损失函数的梯度优化的准确率不同，延迟这一指标是不可微的。在本节中，我们提出了两种算法来处理这种不可微分的目标。

如上图所示，我们将网络结构的延迟建模为关于神经网络的连续函数。通过引入一个新的延迟损失，我们可以直接使用梯度来对其进行优化。

此外，作为 BinaryConnect 的替代方案，我们也可以利用 REINFORCE 来训练这些二值化架构参数，这样也能很自然得处理这些不可微分的目标。

结果

我们在 CIFAR-10 和 ImageNet 上进行了实验。不同于之前的 NAS 工作，我们直接在目标数据集上进行神经网络结构学习，为目标硬件（CPU / GPU / Mobile）进行优化，同时允许每一个 block 自由地选择操作。

CIFAR-10 上与之前 SOTA（state-of-the-art）模型的对比总结在表 1 中。和他们相比，我们的模型不仅在测试错误率上更低，并且需要的参数量也更少。例如为了达到 2.1% 的错误率，AmoebaNet-B 使用 34.9M 参数，而我们的模型仅使用六分之一 (5.7M 参数)。这些结果证明了直接探索大型搜索空间而不是重复相同块的好处。

在 ImageNet 上，我们主要关注于学习高效的 CNN 结构。因此，这是一个多目标的 NAS 任务，我们需要同时兼顾性能与延迟（不可导的硬件指标）。我们在三种不同的硬件平台上（CPU / GPU / Mobile）进行了实验。实验所用的 CPU 是 2 x 2.40GHz Intel（R）Xeon（R）CPU E5-2640 v4 批大小 1, GPU 是 NVIDIA® Tesla® V100 批大小 8，Mobile 是 Google Pixel 1 单核无量化批大小 1。

在移动端，与 MobilenetV2 相比，我们的 ProxylessNAS 在维持同等的延迟的前提下，TOP-1 准确率提升了 2.6%。此外，在各个不同的延迟设定下，我们的模型始终大幅优于 MobilenetV2：为了达到 74.6% 的精度，MobilenetV2 需要 143ms 的推理时间，而我们模型仅需要 78ms（1.83x 倍）。与 MnasNet 相比，我们模型在提升 0.6% Top-1 的同时保持略低的推理时间。值得一提的是，我们所消耗的搜索资源要比 Mnas 少得多 (1/200)。

除了移动端，我们还应用 ProxylessNAS 为 CPU 和 GPU 定制 CNN 模型。和之间 SOTA 网络结构相比，ProxylessNAS 依旧表现出了更优的性能：在延迟低 20% 的情况下，ImageNet 上 top-1 准确率相比 MobileNetV2 提升了 3.1%。

之前人们习惯于将一种同一种网络结构应用到多个平台上，而我们的实验结果表明，我们实际上需要为不同的平台定制神经网络结构：针对 GPU 优化的模型在 CPU 和移动端上运行速度并不快，反之亦然。

下图展示了我们在三个硬件平台上搜索到的 CNN 模型的详细结构：GPU / CPU / Mobile。我们注意到，当针对不同平台时，网络结构呈现出不同的偏好：（i）GPU 模型短而宽，尤其是在 feature map 较大时;（ii）GPU 模型更喜欢大 MBConv 操作（例如 7x7 MBConv6），而 CPU 模型则倾向于小操作。这是因为 GPU 比 CPU 有更高的并行度，因此它可以更好地利用大 MBConv。另一个有趣的观察是，当特征地图被下采样时，所有的网络结构都倾向于选择一个更大的 MBConv。我们认为这可能是因为大 MBConv 操作有利于网络在下采样时保留更多信息。值得注意的是，这是之前强制 block 之间共享结构的 NAS 方法无法发现的。

可视化视频：

https://hanlab.mit.edu/files/proxylessNAS/visualization.mp4