渐进式神经网络结构搜索技术

神经网络结构搜索是谷歌的AutoML的一个具体分支。约翰斯霍普金斯大学刘晨曦博士和Alan Yullie 教授，以及Google AI的李飞飞、李佳等多名研究者提出渐进式神经网络结构搜索技术，论文被ECCV 2018接收作为Oral。本文中，第一作者刘晨曦详细分析了这一技术的原理以及设计细节。

谷歌的AutoML一经提出，就引起了学界及业界的广泛关注，然而其简易操作的背后，则是强大算力支持下的大量科研工作，其中之一便是渐进式网络结构搜索技术。

渐进式神经网络结构搜索技术（Progressive Neural Architecture Search）由约翰斯霍普金斯大学刘晨曦博士和Alan Yullie 教授，以及Google AI的李飞飞、李佳等多名研究者共同提出。

这篇文章被ECCV 2018录用为Oral paper，研究者提出的渐进式神经架构搜索方法，比普通计算速度快8倍，效率提高5倍，AI自动搜索得到的模型在ImageNet大规模数据集上取得了当前最高精度。

这一技术已经被用于谷歌AutoML架构自动搜索，进一步提升性能。本文中，论文的第一作者刘晨曦博士将为大家揭开AutoML的面纱，看他如何通过迭代自学习的方式，积跬步以至千里，寻找到最优网络结构，从而将万繁归于至简。

文中提到所有文章和代码的下载链接附在文末。

摘要

我们提出一种学习卷积神经网络（CNN）结构的新方法，该方法比现有的基于强化学习和进化算法的技术更有效。使用了基于序列模型的优化(SMBO)策略，在这种策略中，按照增加的复杂性对结构进行搜索，同时学习代理模型（surrogate model）来引导在结构空间中的搜索。

在相同搜索空间下直接比较的结果表明，该方法比Zoph等人(2018)的RL方法所评估的模型数量多5倍，总计算速度快8倍，并且用该结构在CIFAR-10和ImageNet上实现了最高的分类精度。

本文中，将介绍的渐进式神经网络搜索算法，是和谷歌大脑、谷歌云、谷歌研究院的很多研究员一同完成的。

其中，PNASNet-5在ImageNet上的代码和模型已经发布在TensorFlow Slim:

https://github.com/tensorflow/models/tree/master/research/slim#Pretrained

欢迎大家下载使用。

首先介绍AutoML，它是谷歌内部一个宏大的目标，是创造一种机器学习算法，使得它能够最好地服务于用户提供的数据，而在这过程中有尽可能少的人类参与。

从起初的AlexNet到Inception，ResNet，Inception-ResNet，机器在图像分类问题上已经取得了很好的成绩，那么我们为什么还想使用AutoML算法来研究图像分类呢？

首先，如果可以通过自动搜索，找到比人类设计的最好算法还好的算法，岂不是很酷？其次，从更加实用的角度出发，图像分类问题是大家学习得很多的问题，如果在该问题上取得突破，那么突破其他问题的可能性也大大增加。

接下来介绍Neural Architecture Search(NAS)问题，它是AutoML一个具体的分支。

Neural Architecture Search基本遵循这样一个循环：首先，基于一些策略规则创造简单的网络，然后对它训练并在一些验证集上进行测试，最后根据网络性能的反馈来优化这些策略规则，基于这些优化后的策略来对网络不断进行迭代更新。

之前的NAS工作可以大致分为两方面，首先是强化学习，在神经结构搜索中需要选择很多的元素，如输入层和层参数（比如选择核为3还是5的卷积操作）的设置，设计整个神经网络的过程可以看作一系列的动作，动作的奖赏就是在验证集上的分类准确率。通过不断对动作更新，使智能体学习到越来越好的网络结构，这样强化学习和NAS就联系起来了。

另一方面NAS是一些进化算法，这一大类方法的主要思路是，用一串数定义一个神经网络结构。如图是ICCV2017谢凌曦博士的工作，他用一串二进制码定义一种规则来表达特定的神经网络连接方式，最开始的码是随机的，从这些点出发可以做一些突变，甚至在两个数串（拥有较高验证准确率）之间做突变，经过一段时间就可以提供更好的神经网络结构。

而目前方法最大的问题在于，它对算力的要求特别高。以强化学习为例，谷歌大脑最开始提出的强化学习方法，用了800块K40GPU，训练了28天；后来2017年7月提出的改进版，用了500块P100GPU训练了4天，而且这是在非常小的CIFAR-10数据集上做的，该数据集只有5万张30*30的图。即便这样小的数据集就需要如此大的算力支撑，也就是说想要继续扩展NAS，用强化学习的方法是不现实的。

为加速NAS过程，我们提出了一个新的方法，谓之“渐进式的神经结构搜索”。它既不是基于强化学习的，也不属于进化算法。在介绍具体算法前，首先来理解这里的搜索空间。

首先搜索可重复的cells(可以看作是Residual block)，一旦找到一个cell，就可以自由地选择其叠加方式，形成一个完整的网络。这样的策略在Residual Network中已经出现多次。当确定了cell structure后如上右图将其叠加成一个完整的网络，以CIFAR-10网络举例，在两个stride2的cell之间，stride1的cell叠加次数都为N，而Residual网络中不同的groups叠加的次数不同。

一个网络通常由这三个要素来确定：cell的结构，cell重复的次数N，每一个cell中的卷积核个数F，为了控制网络的复杂度，N和F通常经手工设计。可以理解为，N控制网络的深度，F控制网络的宽度。

接下来主要讨论如何确定cell，在我们的搜索空间中，一个cell由5个block组成，每个block是一个(I_1,I_2,O_1,O_2,C)的元组。以下将具体介绍。

如图，网络输入的搜索空间如图中灰色矩形所示，I_1,I_2对应图中hidden layer A和hidden layer B，I即指输入（Input）。这两个灰块可以选择不同的隐含空间，cell c block b可能的输入定义为：

前一个cell的输出：H_B^(c-1)

前一个的前一个的cell的输出：H_B^(c-2)

在当前cell的当前block的所有之前输出：{H_1^c,…,H_(b-1)^c }

比如右边的block是这个cell里的第一个block，在选用第二个block的时候它就可以选取第一个block产生的new hidden layer，也就是说，第二个block的输入涵盖了第一个block的输出。这样的设计为了允许一定的泛化性，可以刻画Residual Network，DenseNet之类的网络。

O_1,O_2对应图中的黄色方框，这其实是对刚才选取的隐含层的一元运算符，它包含了3*3的卷积，5*5的卷积，7*7的卷积，identity，3*3的均值池化，3*3的最大值池化，3*3的加宽池化以及1*7后接7*1的卷积。让数据在搜索空间中学习找到最适合的操作。

绿色框代表C这个运算，它把由I_1,I_2产生的O_1,O_2通过一定的方式组合到一起，产生一个新的隐含空间。这个C操作是按位加和的操作。

在这个搜索空间下，尽可能有效地学习到一个性能较好的cell，这样就能叠加起来成为一个完整的网络。而刚才包含5个block的cell的搜索空间是非常大的，如上图等式所示。而之前介绍的无论是强化学习还是基于进化算法，都是直接搜索，这在搜索开始是非常迷茫的，那么如果不直接在那个空间进行搜索，而是渐进式地进行如下操作会怎样呢：

首先训练所有的1-block cells，只有256个这样的cell。虽然可以通过枚举的方式，但性能会很低，因为只有1个block的cell不如包含5个block的cell有效。但是，这部分性能信息可以为是否继续采用这个cell的信号提供辅助，基于1-block cell的表现，我们可以尝试发现最有希望的2-block cell，并对其进行训练，如此迭代，即可构建整个网络。

可以概括为一个简单的算法，训练和评估当前有b个blocks的cells，然后根据其中最好的K个cells来枚举b+1个blocks，然后去训练和评估。

而实际上，这个算法是不能真正奏效的，因为，对于一个合理的K（如〖10〗^2），需要训练的子网络就高达〖10〗^5个，此运算量已经超过了以往的方法。因此，我们提出了一个准确率预测器，它可以不用训练和测试，而是只通过观察数串，就能评估一个模型是否是有潜力的。

我们使用了一个LSTM网络来做准确率预测器，之所以使用它，是因为在不同的block中可以使用同一个预测器。

这里给出完整的Progressive Neural Architecture Search的算法。首先训练并评估当前b个blocks的K个cells，然后通过这些数据的表现来更新准确率预测器，可以使准确率预测器更精确，借助预测器识别K个最有可能的b+1个block。这样学出来的结果可能不是最正确的，但却是一个合理的trade-off结果。

举个例子 ，最开始b=1，Q1时有256个网络，对它全部训练测试，然后用这K个数据点训练准确率预测器。枚举Q1的所有后代M1，并把这个准确率预测器运用在M1的每个元素上，选出其中最好的K个，即得到了b=2时的集合Q2。然后将b=2的网络进行训练测试，经过上述相同的过程，可以得到Q3。Q3中最好的模型即为PNAS返回的结果。

实验分为两个过程，一个是在搜索过程中，另一个是在搜索之后。在搜索过程中，我们使用CIFAR-10这个相对较小的数据集，每一个子网络训练的epoch都设置为20，K取为256，N为2，F为24，这些参数都是相对较小的。在搜索之后，我们在CIFAR-10和ImageNet上进行测试，使用了更长的epochs，更大的N，F。我们这个工作的目的是加速NAS的过程，下面是实验对比。

接下来对比PNAS和之前的NAS方法，蓝色的点是PNAS，红色的是NAS，五个蓝色的chunk对应b=1,2,3,4。每个chunk里有256个点，随着b的增加，进到越来越复杂的搜索空间。可以看出相比于红色的点，蓝色的点上涨更加快也更加紧致。右边是一个放大的图。

如图是最后学习到的网络结构，可以看出，最开始学习到的是separable和max convolution的组合，后面渐渐学习到更多的组合。

PNASNet-5是我们在搜索的过程中找到的最好的网络结构，它由5个block组成。

这是我们在CIFAR-10上的对比结果，RL表示算法基于强化学习，EA表示基于遗传算法，我们的算法SMBO即sequential model based optimization，Error指最好模型的top-1误分率。第一组基于强化学习的方法中最好的是NASNet-A，它的错误率是3.41%，所用参数个数为3.3M；第二组是基于遗传算法的方法，它是DeepMind在2018年ICLR发表的工作，它最好的错误率是3.63%，所用参数个数为61.3M，而第三组是我们的方法，在错误率为3.41的条件下，我们所用参数仅为3.2M，并且提速很多。

这张图更直观地展示了如何达到了与NASNet-A可比的性能。

为了验证准确率预测器是否是信息丰富的，我们做了一个随机的对比实验，如果不用progressive neural architecture search，在每一个number of b的时候用随机来代替。结果表明随机的策略性能要差很多，尤其是最右，如果在每一个b的取值，都训练256个模型的话，以准确率大于0.9为统计指标，随机法只有三十多个，而PNAS有二百多个符合。

最后是在ImageNet数据集上的对比，首先介绍在轻量神经网络的应用比对。我们控制Mult-Adds不超过600M，在这一条件下，PNASNet-5相比MobileNet-224，ShuffleNet(2x)，和NASNet-A有最高的top1和top5的准确率。

此外，对不加限制的模型进行比对，在实验过程中尽量和NASNet-A的参数量保持一致，最后的top1准确率达到了82.9%。

总结一下，本次报告中介绍的工作中最关键的几个点：大多数现存的神经网络搜索方法都有很高的算力需求，由此产生高昂的时间代价，而我们试图加速这个过程。思路的核心在于，将cells从简单到复杂推进，加之比NASNet-A更紧致的搜索空间，PNAS找到了一个可比的cell，只用了1280个而不是20000个子模型。这使得AutoML将可以用到更多有挑战的数据集上。