微软自动调参工具—NNI—安装与使用教程

简介

NNI是微软的开源自动调参的工具。人工调参实在是太麻烦了，最近试了下水，感觉还不错，能在帮你调参的同时，把可视化的工作一起给做了，简单明了。其可以可以看到当前试验的进展情况，搜索参数和效果最好的一些超参数组合。例如：
通过下面的颜色图就能直观地看到红色（即精度较高的超参组合）线条所表达的丰富信息。如

• 卷积核大一些会表现较好。
• 全连接层大了不一定太好。也许是所需要的训练时间增加了，训练速度太慢造成的。
• 而学习率小一些（小于0.03），表现基本都不错。
• ReLU 比 tanh 等其它激活函数也好不少。
• …
  
  通过试验状态页面，能看到每个试验的时间长度以及具体的超参组合。
  
  通过控制页面还可以实时的增加试验的超参组合，或者调整超参的范围。

本文分为以下两个部分：

1. 如何安装并使用NNI
2. 调试经验 & 错误汇总

第一步：安装

nni的安装十分简单。通过pip命令就可以安装了。并且提供了example供参考学习。
先决条件：tensorflow，python >= 3.5，

	# 安装nni
    python3 -m pip install --upgrade nni

	# 示例程序，用于学习
	git clone https://github.com/Microsoft/nni.git
    # 如果想运行这个示例程序，需要安装tensorflow
    python3 -m pip install tensorflow

第二步：设置超参数的搜索范围

我们打开NNI的示例程序先来观摩一下

cd ./nni/examples/trials/mnist/

可以看到目录中有 config.yml， mnist.py ，search_space.json 三个文件，这三个文件分别决定了我们的NNI配置文件，main.py和超参数搜索空间。
1.打开 search_space.json文件

{
    "dropout_rate":{"_type":"uniform","_value":[0.5, 0.9]},
    "conv_size":{"_type":"choice","_value":[2,3,5,7]},
    "hidden_size":{"_type":"choice","_value":[124, 512, 1024]},
    "batch_size": {"_type":"choice", "_value": [1, 4, 8, 16, 32]},
    "learning_rate":{"_type":"choice","_value":[0.0001, 0.001, 0.01, 0.1]}
}

在这里可以定义我们的超参数和搜索范围，可以根据自己的需要随意调整。
搜索的类型有很多种，常用的有uniform，choice等。
但是因为这个example只写了uniform和choice的用法，所以很多其他博客只介绍了choice和uniform的用法，在这里进行补充。详细内容见NNI的github帮助文档

{"_type": "choice", "_value": options}
# dropout_rate":{"_type":"uniform","_value":[0.5, 0.9]}的结果为0.5或者0.9

{"_type": "uniform", "_value": [low, high]}

# 变量是 low 和 high 之间均匀分布的值。
# 当优化时，此变量值会在两侧区间内。

{"_type": "quniform", "_value": [low, high, q]}
# 从low开始到high结束，步长为q。
# 比如{"_type": "quniform", "_value": [0, 10, 2]}的结果为0,2,4,6,8,10

{"_type": "normal", "_value": [mu, sigma]}
# 变量值为实数，且为正态分布，均值为 mu，标准方差为 sigma。 优化时，此变量不受约束。

{"_type": "randint", "_value": [lower, upper]}
# 从 lower (包含) 到 upper (不包含) 中选择一个随机整数。

第二步：配置config.yaml
打开config.yaml

authorName: default
experimentName: example_mnist
trialConcurrency: 1
maxExecDuration: 1h
maxTrialNum: 10
#choice: local, remote, pai
trainingServicePlatform: local
searchSpacePath: search_space.json
#choice: true, false
useAnnotation: false
tuner:
  #choice: TPE, Random, Anneal, Evolution, BatchTuner, MetisTuner, GPTuner
  #SMAC (SMAC should be installed through nnictl)
  builtinTunerName: TPE
  classArgs:
    #choice: maximize, minimize
    optimize_mode: maximize
trial:
  command: python3 mnist.py
  codeDir: .
  gpuNum: 0

除了command，maxExecDuration，trialConcurrency，gpuNum，optimize_mode需要更改，这里的参数一般不需要更改。

command是nni的运行后将要执行的指令，mnist.py改为你的main.py或者train.py等等主程序。

maxExecDuration是整个NNI自动调参的时间，注意不是一次训练的时间（我一开始就理解成了一次训练所需要的最大时间），假如你用一个gpu跑，要训练10种不同的参数，每次训练都要2小时，这个值就设置为20h

trialConcurrency是trail的并发数，这个需要根据自己的GPU数量设置，而不是下面的gpuNum！！！为什么呢，因为一个trail代表一次调参的过程，理解为用一种超参数在运行你的train.py，并发数设为x，就有x个trainer在训练！

gpuNum是每个trail所需要的gpu个数，而不是整个nni调参所需要的gpu个数。对于大型任务，单独训练一次需要N个GPU的话，这个值就设置为N；如果单次训练，一个GPU就足够，请把这个值设置为1；没有GPU？我要写个惨字…

所以你最后需要的GPU总数为trialConcurrencygpuNum，即 trail的个数每个trail需要的gpu个数

optimize_mode对应着优化的方向，有最大和最小两种方式，具体如何设置在下一步中提到。
一般来说这里的配置已经足够。

如果需要调节网格搜索的算法等等更细节的东西，请参考NNI的github帮助文档

第三步 修改我们的代码

# 引入nni
import nni
"""
设置参数自动更新，假设params 是我们的默认参数
注意params是**字典**类型的变量
"""
params = vars(get_params())
tuner_params= nni.get_next_parameter() # 这会获得一组搜索空间中的参数
params.update(tuner_params)
"""
向nni报告我们的结果
如果test_acc是准确率，那第二步(5)optimize_mode就选maximize。如果这里的test_acc如果是loss，
那第二步(5)optimize_mode就选minimize，也可以填其他训练的指标
另外这里的报告结果都是数字，一般选择float类型
"""
nni.report_intermediate_result(test_acc)
'''
report_intermediate_result是汇报中间结果，一般可以设置每个epoch报告一次
'''
nni.report_final_result(best_acc)
'''
report_final_result是汇报最终结果，可以是last_acc，也可以设置为报告best_acc
'''

很多体验者说report_intermediate_result汇报loss，report_final_result汇报精确度，这种说法是错的。
这两个report的内容应该是一个意义的（都是loss or 都是准确度 or 其他）
原因下面会讲到

第四步 两行代码直接运行

cd ./YourCode_dir
nnictl create --config config.yml -p 8888

切换到代码的目录下，直接运行。
-p代表使用的端口号。注意如果代码使用的是conda虚拟环境，需要激活conda虚拟环境。

第五步 查看训练过程

相信此刻你应该看到了succes的字样，别兴奋，这并不代表成功开始调参了，反正我是不知道多少次才成功。

打开命令行给的网站，如下图，点开Trail Detial->Intermediate result

如果你打开的太快，应该是WATING的状态。别急，稍等一会儿就开始RUNNING了。如果直接Fail了，请检查你的代码。

如果report_intermediate_result是每一个epoch report一次，那么跑完一个epoch过后会看到有Default metric，后面加了个括号（LATEST），这个时候基本就大工告成了，恭喜你！

如果report_final_result是训练结束时report，那么等训练结束后会有Default metric(FINAL)的数值。

所以这说明了report_intermediate_result和report_final_result其实都是Default metric，是一个意义的衡量指标，都用于衡量模型的好坏。

下图是超参数曲线，其实从上图可以看出来我刚始调参不久，只有几个trail是SUCCEED的。不过我想说，在这种条件下！！这个曲线也太美了吧！！！

第六步 停止

在你不想继续搜寻超参数的时候，可以使用nnictl stop停止自动调参。
但是这只是说不会开始下一个trail了，没有运行完的trail依然会继续执行。如果想终止trail可以用nvidia-smi中找到训练进程的PID，然后用kill -9 PID杀死进程