CARS: 华为提出基于进化算法和权值共享的神经网络结构搜索,CIFAR-10上仅需单卡半天 | CVPR 2020

为了优化进化算法在神经网络结构搜索时候选网络训练过长的问题,参考ENAS和NSGA-III,论文提出连续进化结构搜索方法(continuous evolution architecture search, CARS),最大化利用学习到的知识,如上一轮进化的结构和参数。首先构造用于参数共享的超网,从超网中产生子网,然后使用None-dominated排序策略来选择不同大小的优秀网络,整体耗时仅需要0.5 GPU day

来源:晓飞的算法工程笔记 公众号

论文: CARS: Continuous Evolution for Efficient Neural Architecture Search

Introduction


  目前神经网络结构搜索的网络性能已经超越了人类设计的网络,搜索方法大致可以分为强化学习、进化算法以及梯度三种,有研究表明进化算法能比强化学习搜索到更好的模型,但其搜索耗时较多,主要在于对个体的训练验证环节费事。可以借鉴ENSA的权重共享策略进行验证加速,但如果直接应用于进化算法,超网会受到较差的搜索结构的影响,因此需要修改目前神经网络搜索算法中用到的进化算法。为了最大化上一次进化过程学习到的知识的价值,论文提出了连续进化结构搜索方法(continuous evolution architecture search, CARS)
  首先初始化一个有大量cells和blocks的超网(supernet),超网通过几个基准操作(交叉、变异等)产生进化算法中的个体(子网),使用Non-dominated 排序策略来选取几个不同大小和准确率的优秀模型,然后训练子网并更新子网对应的超网中的cells,在下一轮的进化过程会继续基于更新后的超网以及non-dominated排序的解集进行。另外,论文提出一个保护机制来避免小模型陷阱问题

Approach


  论文使用基因算法(GA)来进行结构进化,GA能提供很大的搜索空间,对于结构集\(C=\{C_1,...,C_N\}\)\(N\)为种群大小。在结构优化阶段,种群内的结构根据论文提出的pNSGA-III方法逐步更新。为了加速,使用一个超网\(\mathcal{N}\)用来为不同的结构共享权重\(W\),能够极大地降低个体训练的计算量

Supernet of CARS

  从超网\(\mathcal{N}\)中采样不同的网络,每个网络\(\mathcal{N}_i\)可以表示为浮点参数集合\(W_i\)以及二值连接参数集合\(C_i\),其中0值表示网络不包含此连接,1值则表示使用该连接,即每个网络\(\mathcal{N}_i\)可表示为\((W_i, C_i)\)
  完整的浮点参数集合\(W\)是在网络集合中共享,如果这些网络结构是固定的,最优的\(W\)可通过标准反向传播进行优化,优化的参数\(W\)适用于所有网络\(\mathcal{N}_i\)以提高识别性能。在参数收敛后,通过基因算法优化二值连接\(C\),参数优化阶段和结构优化阶段是CARS的主要核心

Parameter Optimization

  参数\(W\)为网络中的所有参数,参数\(W_i=W\odot C_i, i\in \{1,...,N\}\)\(\odot\)为mask操作,只保留\(C_i=1\)对应位置的参数。对于输入\(X\),网络的结果为\(P_i=\mathcal{N}_i(X,W_i)\)\(\mathcal{N}_i\)\(i\)-th个网络,\(W_i\)为其参数

  给定GT \(Y\),预测的损失为\(L_i\),则\(W_i\)的梯度计算如公式1

  由于参数\(W\)应该适用于所有个体,因此使用所有个体的梯度来计算\(W\)的梯度,计算如公式2,最终配合SGD进行更新

  由于已经得到大量带超网共享参数的结构,每次都集合所有网络梯度进行更新会相当耗时,可以借鉴SGD的思想进行min-batch更新。使用\(N_b < N\)个不同的网络进行参数更新,编号为\(\{n_1,...,n_b\}\)。计算如公式3,使用小批量网络来接近所有网络的梯度,能够极大地减少优化时间,做到效果和性能间的平衡

Architecture Optimization

  对于结构的优化过程,使用NSGA-III算法的non-dominated排序策略进行。标记\(\{\mathcal{N}_1,...,\mathcal{N}_N\}\)\(N\)个不同的网络,\(\{\mathcal{F}_1,...,\mathcal{F}_M\}\)为希望优化的\(M\)个指标,一般这些指标都是有冲突的,例如参数量、浮点运算量、推理时延和准确率,导致同时优化这些指标会比较难

  首先定义支配(dominate)的概念,假设网络\(\mathcal{N}_i\)的准确率大于等于网络\(\mathcal{N}_j\),并且有一个其它指标优于网络\(\mathcal{N}_j\),则称网络\(\mathcal{N}_i\)支配网络\(\mathcal{N}_j\),在进化过程网络\(\mathcal{N}_j\)可被网络\(\mathcal{N}_i\)代替。利用这个方法,可以在种群中挑选到一系列优秀的结构,然后使用这些网络来优化超网对应部分的参数
  尽管non-dominated排序能帮助选择的更好网络,但搜索过程仍可能会存在小模型陷阱现象。由于超网的参数仍在训练,所以当前轮次的模型不一定为其最优表现,如果存在一些参数少的小模型但有比较高的准确率,则会统治了整个搜索过程。因此,论文基于NSGA-III提出pNSGA-III,加入准确率提升速度作为考虑

  假设优化目标为模型参数和准确率,对于NSGA-III,会根据两个不同的指标进行non-dominated排序,然后根据帕累托图进行选择。而对于pNSGA-III,额外添加考虑准确率的增长速度的non-dominated排序,最后结合两种排序进行选择。这样,准确率增长较慢的大模型也能得到保留。如图2所示,pNSGA-III很明显保留的模型大小更广,且准确率与NSGA-III相当

Continuous Evolution for CARS

  CARS算法的优化包含两个步骤,分别是网络结构优化和参数优化,另外,在初期也会使用参数warmup

  • Parameter Warmup,由于超网的共享权重是随机初始化的,如果结构集合也是随机初始化,那么出现最多的block的训练次数会多于其它block。因此,使用均分抽样策略来初始化超网的参数,公平地覆盖所有可能的网络,每条路径都有平等地出现概率,每种层操作也是平等概率,在最初几轮使用这种策略来初始化超网的权重
  • Architecture Optimization,在完成超网初始化后,随机采样\(N\)个不同的结构作为父代,\(N\)为超参数,后面pNSGA-III的筛选也使用。在进化过程中生成\(t\times N\)个子代,\(t\)是用于控制子代数的超参,最后使用pNSGA-III从\((t+1)\times N\)中选取\(N\)个网络用于参数更新
  • Parameter Optimization,给予网络结构合集,使用公式3进行小批量梯度更新

Search Time Analysis

  CARS搜索时,将数据集分为数据集和验证集,假设单个网络的训练耗时为\(T_{tr}\),验证耗时\(T_{val}\),warmup共\(E_{warm}\)周期,共需要\(T_{warm}=E_{warm}\times T_{tr}\)时间来初始化超网\(\mathcal{N}\)的参数。假设进化共\(E_{evo}\)轮,每轮参数优化阶段对超网训练\(I_{param}\)周期,所以每轮进化的参数优化耗时\(T_{param}=I_{param}\times T_{tr}\times N_b\)\(N_b\)为mini-batch大小。结构优化阶段,所有个体是并行的,所以搜索耗时为\(T_{arch}=T_{val}\)。CARS的总耗时如公式5

Experiments


Experimental Settings

  • supernet Backbones

  超网主干基于DARTS的设置,DARTS搜索空间包含8个不同的操作,包含4种卷积、2种池化、skip连接和无连接,搜索normal cell和reduction cell,分别用于特征提取以及下采样,搜索结束后,根据预设将cell堆叠起来

  • Evolution Details

  在DARTS中,每个中间节点与之前的两个节点连接,因此每个节点有其独立的搜索空间,而交叉和变异在搜索空间相对应的节点中进行,占总数的比例均为0.25,其余0.5为随机生成的新结构。对于交叉操作,每个节点有0.5的概率交叉其连接,而对于变异,每个节点有0.5的概率随机赋予新操作

Experiments on CIFAR-10

  • Small Model Trap

  图3训练了3个不同大小的模型,在训练600轮后,模型的准确率与其大小相关,从前50轮的曲线可以看出小模型陷阱的原因:

  1. 小模型准确率上升速度较快
  2. 小模型准确率的波动较大

  在前50轮模型C一直处于下风,若使用NSGA算法,模型C会直接去掉了,这是需要使用pNSGA-III的第一个原因。对于模型B和C,准确率增长类似,但由于训练导致准确率波动,一旦模型A的准确率高于B,B就会被去掉,这是需要使用pNSGA-III的第二个原因

  • NSGA-III vs. pNSGA-III

  如图2所示,使用pNSGA-III能避免小模型陷阱,保留较大的有潜力的网络

  • Search on CIFAR-10

  将CIFAR分为25000张训练图和25000张测试图,共搜索500轮,参数warmup共50轮,之后初始化包含128个不同网络的种群,然后使用pNSGA-III逐渐进化,参数优化阶段每轮进化训练10周期,结构优化阶段根据pNSGA-III使用测试集进行结构更新

  • Search Time analysis

  对于考量模型大小和准确率的实验,训练时间\(T_{tr}\)为1分钟,测试时间\(T_{val}\)为5秒,warmup阶段共50轮,大约耗费1小时。而连续进化算法共\(E_{evo}\)轮,对于每轮结构优化阶段,并行测试时间为\(T_{arch}=T_{val}\),对于每轮的参数优化阶段,设定\(N_b=1\)\(T_{param}\)大约为10分钟,\(T_{evo}\)大约为9小时,所以\(T_{total}\)为0.4 GPU day,考虑结构优化同时要计算时延,最终时间大约为0.5 GPU day

  • Evaluate on CIFAR-10

  在完成CARS算法搜索后,保留128个不同的网络,进行更长时间的训练,然后测试准确率

  • Comparison on Searched Block

  CARS-H与DARTS参数相似,但准确率更高,CARS-H的reduction block包含更多的参数,而normal block包含更少的参数,大概由于EA有更大的搜索空间,而基因操作能更有效地跳出局部最优解,这是EA的优势

Evaluate on ILSVRC2012

  将在CIFAR-10上搜索到网络迁移到ILSVRC22012数据集,结果表明搜索到的结构具备迁移能力

CONCLUSION


  为了优化进化算法在神经网络结构搜索时候选网络训练过长的问题,参考ENAS和NSGA-III,论文提出连续进化结构搜索方法(continuous evolution architecture search, CARS),最大化利用学习到的知识,如上一轮进化的结构和参数。首先构造用于参数共享的超网,从超网中产生子网,然后使用None-dominated排序策略来选择不同大小的优秀网络,整体耗时仅需要0.5 GPU day

参考内容



如果本文对你有帮助,麻烦点个赞或在看呗~
更多内容请关注 微信公众号【晓飞的算法工程笔记】

work-life balance.

posted @ 2020-04-15 19:57  晓飞的算法工程笔记  阅读(497)  评论(0编辑  收藏  举报