PNAS：渐进式神经网络搜索，准确率预测，21倍加速 | ECCV2018

论文将核心放在搜索加速方面，基于NASNet，提出渐进式的PNAS搜索策略以及通过代理函数直接预测网络的准确率，极大地优化搜索逻辑，能够在搜索到相同性能的前提下，将搜索消耗降低21倍之多
 
来源：【晓飞的算法工程笔记】 公众号

论文: Progressive Neural Architecture Search

• 论文地址：https://arxiv.org/abs/1712.00559

Introduction

---

  目前神经网络架构搜索主要有强化学习(RL)和进化算法(EA)，尽管两种方法的效果都不错，但是搜索的资源耗费相当巨大，比如NASNet需要500块GPU计算4天。论文基于NASNet的搜索逻辑(具体可以看公众号之前的NASNet解读)，提出启发式的搜索方法来搜索单元(cell)的结构，从简单的结构开始，在上一轮的结构上逐步生成更复杂的结构，直到搜索出符合大小的结构为止。由于训练和测试的耗时，论文将学习一个模型或代理函数来直接评价结构的好坏，每次预测个结构，然后使用代理函数选取top K个结构进行训练预测
  对比与直接搜索完整的结构，论文提出的渐进式(simple to complex)方法更效率。相对NASNet，仅搜索和训练1/5的模型，使用1/8的计算总量，此外还有以下几个特点：

• 简单的结构训练速度快，能够快速得到一些初始结果用来训练代理函数
• 代理函数只预测稍微比之前的训练集复杂一点的结构，完全能够胜任
• 将搜索空间分解成更多的小搜索空间，能够允许搜索包含更多block的复杂单元

Architecture Search Space

---

Cell Topologies

  单元可以表示为B个block的有向图(DAG)结构，每个Block将两个tensor输入并输出一个tensor，可定义为一个5-tuple(,,,,)，，为单元中之前的block的输出加前两个单元的输出。为tensor合并操作，由于之前实验发现RNN很少选择concatentaion，所以直接指定elememt-wise相加操作，不用再预测了。为算子，包含以下8种常见的操作，少于NASNet的13种：

  论文量化了搜索空间的大小，假设b’th block为，，，，假设，则。以此类推，由于单元具有对称性，可以对其进行相应的剪枝，比如有136个由单一block组成的单元，最终搜索空间为，远低于NASNet的，但仍是个庞大的搜索空间，需要高效的优化方法

From Cell to CNN

  将搜索到的单元按照预定的数量堆叠成卷积网络，如图1所示。卷积参数使用stride1或stride2，每当stride为2时，需要将卷积核数量增加两倍，最后用global average pooling接softmax进行分类。需要注意的是，NASNet特别将单元分为Normal和Reduction，但本文统一了。CIFAR-10网络的图片为，ImageNet的输入为或，在开头加了个卷积来降低计算消耗

Method

---

Progressive Neural Architecture Search

  论文提出渐进式的搜索顺序，先搜索简单的网络，构建(仅包含单个block)的所有单元加入到队列中进行并行的训练和验证，然后在基础上添加所有的block构建新单元，得到深度为2的候选单元结构集合。由于模型数量巨大，基于所有已经训练和验证的模型训练一个预测函数，用来直接预测所有候选单元结构的准确率，选择top K个候选单元加入到队列中，重复以上的步骤直到满足B个block，具体可以看算法1和图2

Performance Prediction with Surrogate Model

  如上所述，搜索需要预测单元的准确率的预测器，这个预测器至少需要3个特性：

• Handle variable-sized inputs，预测器需要处理不定长的输入，例如在使用b block的单元训练的预测器需要能够预测b+1 block的单元
• Correlated with true performance，预测器不需要预测绝对的准确率，只需要能够预测与准确率大致一样的顺序排列
• Sample efficiency，预测器训练和验证的数据集越少越好，这意味着训练集是不足的

  为了满足以上特性，论文使用读取4b长度序列的LSTM进行预测，每个state的输入是或，最后的state通过全连接层和sigmoid来回归验证的准确率。论文也尝试使用简单的MLP来进行分类，将单元结构转化为固定长度的向量，首先将每个block的token编码为D维向量，然后将每个block concatenate成一个4D维向量，最后进行block间平均，训练使用L1 loss
  在训练时，一般直接在新数据上使用SGD进行小量迭代。但由于数据集非常小，论文将数据分成5分，每分包含4/5数据来训练5个预测器，这样能够有效降低预测的方差

Experiments and Results

---

Experimental Details

  对于MLP预测器，编码长度为100，使用两个全连接层，每层100个节点。对于RNN预测器，隐藏层和编码的长度都为100。每轮获取个神经网络，最大的单元为，第一个单元的初始卷积核数量为，每个单元重复，每个子网络训练20个周期，初始学习率为0.01，使用cosine decay

Performance of the Surrogate Predictors

  论文对比了不同预测器的效果，由于PNAS中预测器需要预测未训练过的大小的单元，所以实验既测试b block的准确率也测试b+1 block的准确率

  为随机选择的包含b block的单元集合，为集合总数，每个模型训练总共训练20 epoch，使用这个随机数据集来验证预测器的准确率，具体如算法2所示，返回模型集合的准确率。对于每个大小的每次实验，从选取个单元作为预测器的训练集进行训练或finetune，然后在训练集和未见过的上验证准确率

  图3展示了MLP预测器的结果，其它类型预测器的结果也大致一样，第一行和第二行分别为和的实际准确率和预测准确率的点图。从结果来看，预测器在训练集上的表现不错，但是在预测大型结构时效果不好

  论文用斯皮尔曼等级相关系数(Spearman rank correlation coefficient)来评估这些散点，从Table 1结果看来，在训练集上，RNN表现比MLP好，但在需要实际预测的大结构集合上，MLP表现稍微好点。另外，前面提到的ensembling操作也有一点帮助

Search Efficiency

  论文对比了PNAS与随机搜索和NAS的性能，对于PNAS，记录每轮选择的()和准确率，最后记录top 准确率，重复进行5次训练以保证结果的准确性。从图4结果看出，增加训练的模型数量，整体的表现都在稳步上升。PNAS的效果比随机搜索要好，与NAS相当，但NAS准确率提升速度较慢
  这里论文爆料NAS的模型选取其实是分两部分的，首先训练20 epoch选取top 250的模型，然后再训练300 epoch来选取best模型。在两种方法达到同一top-1准确率的前提下，NAS的计算总量(实际完整搜索的设定为20000)为，而PNAS则为，所以PNAS的计算总量仅为NAS的1/8

Results on CIFAR-10 Image Classification

  论文搜索到的最好结构如图1左，命名为PNASNet-5，在搜索完后，在保证保持模型总量在3M左右的前提下，对不同的N和F进行尝试，共训练300 epoch，学习率为0.025，使用cosine decay，在找到最佳的模型后对其训练600 epoch。另外，训练时，在模型2/3处添加Inception的辅助分类器，权重为0.4，也使用DropPath，随机值为0.4

  结果如Table 3所示，PNAS的准确率与NAS一致，但仅用了1/21的计算量。虽然AmoebaNet达到了最高的准确率，但是其需要花费63倍的搜索时间

Results on ImageNet Image Classification

  为了验证PNASNet-5的性能，进行了两种实验，两种实验都使用RMSProp优化器，label smoothing为0.1，在2/3位置使用权重为0.4的辅助分类器，softmax dropout为0.4，droppath为0.4：

• Mobile，输入图片为，模型计算量限制在600M内
• Large，输入图片为，与SOTA模型对比

  Mobile的结果如Table 4，PNASNet-5稍微比NASNet-A的表现稍好，比之前人工设定的网络要好，其中性能最佳的是AmoebaNet-C的性能最佳，但这个并非在CIFAR-10上的表现好的结构

  Large的结果如Table 5，PNASNet-5模型超越了之前的同体积的SOTA模型

CONCLUSION

---

  目前越来越多的目光聚集在神经网络架构搜索这一领域，但搜索花费一直是个巨大的问题，目前只有一些计算资源丰富的巨头公司能够玩转。论文将核心放在搜索加速方面，基于NASNet，提出渐进式的PNAS搜索策略以及通过代理函数直接预测网络的准确率，极大地优化搜索逻辑，能够在搜索到相同性能的前提下，将耗时提升21倍，十分值得参考

 
 
 

写作不易，未经允许不得转载～
更多内容请关注 微信公众号【晓飞的算法工程笔记】

work-life balance.