本文出自商湯研究院（SenseTime Research）。原論文發(fā)表于ICLR 2019，及arXiv:1812.09926

神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)搜索（Neural Architecture Search, NAS）是自動(dòng)機(jī)器學(xué)習(xí)（AutoML）中的熱點(diǎn)問題之一。通過設(shè)計(jì)經(jīng)濟(jì)高效的搜索方法，自動(dòng)獲得泛化能力強(qiáng)、硬件友好的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，可以大量節(jié)省人工，解放研究員的創(chuàng)造力。經(jīng)典的NAS方法［1］中，一個(gè)agent在trial and error中通過強(qiáng)化學(xué)習(xí)（Reinforcement Learning）的方式學(xué)習(xí)搭建網(wǎng)絡(luò)結(jié)構(gòu)。本文作者對(duì)NAS任務(wù)中強(qiáng)化學(xué)習(xí)的效率進(jìn)行了深入思考，從理論上給出了NAS中強(qiáng)化學(xué)習(xí)收斂慢的原因。作者進(jìn)一步重新建模了NAS問題，提出了一個(gè)更高效的方法，隨機(jī)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)搜索（Stochastic NAS, SNAS）。

?

1）與基于強(qiáng)化學(xué)習(xí)的方法（ENAS［2］）相比，SNAS的搜索優(yōu)化可微分，搜索效率更高，可以在更少的迭代次數(shù)下收斂到更高準(zhǔn)確率。

2）與其他可微分的方法（DARTS［3］）相比，SNAS直接優(yōu)化NAS任務(wù)的目標(biāo)函數(shù)，搜索結(jié)果偏差更小，可以直接通過一階優(yōu)化搜索。

3）而且結(jié)果網(wǎng)絡(luò)不需要重新訓(xùn)練參數(shù)。

4）此外，基于SNAS保持了概率建模的優(yōu)勢，作者提出同時(shí)優(yōu)化網(wǎng)絡(luò)損失函數(shù)的期望和網(wǎng)絡(luò)正向時(shí)延的期望，擴(kuò)大了有效的搜索空間，可以自動(dòng)生成硬件友好的稀疏網(wǎng)絡(luò)。

?

1. 背景

1.1 NAS中的MDP?

?

圖1展示了基于人工的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)和NAS的對(duì)比。完全基于人工的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)一般包括以下關(guān)鍵流程：

1）由已知的神經(jīng)變換（operations）如卷積（convolution）池化（pooling）等設(shè)計(jì)一些拓?fù)浣Y(jié)構(gòu)，

2）在所給定訓(xùn)練集上訓(xùn)練這些網(wǎng)絡(luò)至收斂，

3）在測試集上測試這些網(wǎng)絡(luò)收斂結(jié)果，

4）根據(jù)測試準(zhǔn)確率選擇網(wǎng)絡(luò)結(jié)構(gòu)，

5）人工優(yōu)化拓?fù)浣Y(jié)構(gòu)設(shè)計(jì)并回到步驟1。

?

其中，步驟5需要消耗大量的人力和時(shí)間，而且人在探索網(wǎng)絡(luò)結(jié)構(gòu)時(shí)更多的來自于經(jīng)驗(yàn)，缺乏明確理論指導(dǎo)。將該步驟自動(dòng)化，轉(zhuǎn)交給agent在trial and error中不斷優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)，即是NAS的核心目的。

?

圖1: 人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)vs自動(dòng)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)搜索

?

在人的主觀認(rèn)知中，搭建神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)是一個(gè)從淺層到深層逐層選擇神經(jīng)變換（operations）的過程。 比如搭建一個(gè)CNN的時(shí)候需要逐層選擇卷積的kernel大小、channel個(gè)數(shù)等，這一過程需要連續(xù)決策，因而NAS任務(wù)自然的被建模為一個(gè)馬爾科夫決策過程（MDP）。

?

簡單來說，MDP建模的是一個(gè)人工智能agent和環(huán)境交互中的agent動(dòng)作（action，）和環(huán)境狀態(tài)變化（state transition）過程。回到搭建一個(gè)CNN的例子來說，環(huán)境即是對(duì)網(wǎng)絡(luò)結(jié)構(gòu)的抽象，狀態(tài)（state，?）表示的是當(dāng)前已經(jīng)選擇了卷積方式的所有層，而動(dòng)作表示的是在下一層中要選怎樣的卷積。

?

在一些情況下，我們會(huì)用策略函數(shù)（policy，??）來表達(dá)agent在每個(gè)狀態(tài)上動(dòng)作的分布。該過程中agent的總得分，也就是搭建的網(wǎng)絡(luò)在測試集上的精度（accuracy），通過強(qiáng)化學(xué)習(xí)（Reinforcement Learning）這種通用黑盒算法來優(yōu)化。然而，因?yàn)閺?qiáng)化學(xué)習(xí)本身具有數(shù)據(jù)利用率低的特點(diǎn)，這個(gè)優(yōu)化的過程往往需要大量的計(jì)算資源。

?

比如在NAS的第一篇工作［1］中，Google用了1800 GPU days完成CIFAR-10上的搜索。雖然通過大量的平行計(jì)算，這個(gè)過程的實(shí)際時(shí)間（wallclock time）會(huì)比人工設(shè)計(jì)短，但是如此大計(jì)算資源需求實(shí)際上限制了NAS的廣泛使用。［1］之后，有大量的論文從設(shè)計(jì)搜索空間［4］、搜索過程［2］以及model-based強(qiáng)化學(xué)習(xí)［5］的角度來優(yōu)化NAS效率, 但“基于MDP與強(qiáng)化學(xué)習(xí)的建模”一直被當(dāng)作黑盒而沒有被討論過。

圖2: NAS是一個(gè)確定環(huán)境中的完全延遲獎(jiǎng)勵(lì)任務(wù)。在這個(gè)DAG中，方框表示節(jié)點(diǎn)，具體的物理意義是feature map。不同顏色的箭頭表示不同的operations。s表示當(dāng)前網(wǎng)絡(luò)結(jié)構(gòu)狀態(tài)，a表示每一步的動(dòng)作，r表示得分。只有在網(wǎng)絡(luò)結(jié)構(gòu)最終確定后，agent才能獲得一個(gè)非零得分acc

?

本文作者的關(guān)鍵insight來自于發(fā)現(xiàn)了NAS任務(wù)的MDP的特殊性。圖2展示了一個(gè)NAS的MDP的完整過程。可以看到的是，在每一個(gè)狀態(tài)（state）中，一旦agent產(chǎn)生了動(dòng)作，網(wǎng)絡(luò)結(jié)構(gòu)狀態(tài)的改變是確定的。而在一個(gè)網(wǎng)絡(luò)被完全搭建好并訓(xùn)練及測試之前，agent的每一個(gè)動(dòng)作都不能獲得直接的得分獎(jiǎng)勵(lì)。agent只會(huì)在整一條動(dòng)作序列（trajectory）結(jié)束之后，獲得一個(gè)得分。

?

我們簡單總結(jié)一下，就是，NAS是一個(gè)確定環(huán)境中的完全延遲獎(jiǎng)勵(lì)的任務(wù)。（A task with fully delayed reward in a deterministic environment.）如何利用網(wǎng)絡(luò)結(jié)構(gòu)狀態(tài)改變的確定性，將在下一個(gè)章節(jié)被討論。

?

在本章節(jié)接下來的部分，我們先介紹一些強(qiáng)化學(xué)習(xí)領(lǐng)域的背景，解釋一條動(dòng)作序列的得分是如何被分配到每一次動(dòng)作上的，以及延遲獎(jiǎng)勵(lì)為什么造成了這種得分分配的低效。

?

1.2 TD Learning與貢獻(xiàn)分配

?

強(qiáng)化學(xué)習(xí)的目標(biāo)函數(shù)，是將來得分總和的期望。從每一個(gè)狀態(tài)中動(dòng)作的角度來說，agent應(yīng)該盡量選擇長期來說帶來最大收益的動(dòng)作。然而，如果沒有輔助的預(yù)測機(jī)制，agent并不能在每一個(gè)狀態(tài)預(yù)測每一個(gè)動(dòng)作將來總得分的期望。TD Learning就是用來解決這個(gè)問題，預(yù)測每一個(gè)動(dòng)作對(duì)將來總得分的貢獻(xiàn)的。TD(0)，一種最基本的計(jì)算每一個(gè)狀態(tài)上的總得分期望（?）的TD Learning，如以下公式所示：

?

圖3: 在TD Learning中，agent對(duì)于某一狀態(tài)價(jià)值的評(píng)估基于它對(duì)將來狀態(tài)的評(píng)估，圖片來自 [6]

?

可以看出，以一種基于動(dòng)態(tài)規(guī)劃的方式，agent對(duì)于每一個(gè)狀態(tài)的將來總得分的期望，從將來的狀態(tài)向過去傳播。Sutton在［6］中用一張圖來表現(xiàn)了這種得分從后向前的傳播，如圖3所示。

?

也就是說，agent對(duì)于某一狀態(tài)的價(jià)值的評(píng)估基于它對(duì)該狀態(tài)將來狀態(tài)的評(píng)估。值得注意的是，（1）中TD的回傳是一個(gè)局部的回傳，并不會(huì)在一個(gè)回傳就實(shí)現(xiàn)將最后一個(gè)狀態(tài)的信息傳遞到之前的每一個(gè)節(jié)點(diǎn)。這是一個(gè)很極端的例子，agent對(duì)?的價(jià)值評(píng)估，完全取決于，在一次更新中，信息只會(huì)向前傳遞一步。根據(jù)動(dòng)態(tài)規(guī)劃，如果只有這一條trajectory是可能的，這個(gè)傳遞的總時(shí)間就是這條trajectory的長度。當(dāng)可能出現(xiàn)trajectory超過一條時(shí)，就需要根據(jù)出現(xiàn)的概率來取期望。

?

像（1）這種動(dòng)態(tài)規(guī)劃的局部信息傳遞帶來的風(fēng)險(xiǎn)就是，當(dāng)將來某些狀態(tài)的價(jià)值評(píng)估出現(xiàn)偏差時(shí)，它過去的狀態(tài)的價(jià)值評(píng)估也會(huì)出現(xiàn)問題。而這個(gè)偏差只能通過更多次的動(dòng)態(tài)規(guī)劃來修復(fù)。

?

當(dāng)一個(gè)任務(wù)趨向于復(fù)雜，狀態(tài)空間的維度越來越高時(shí)，上面說到的將來狀態(tài)價(jià)值評(píng)估的偏差基本不可避免，TD learning的收斂時(shí)間大大增加。

?

經(jīng)典的強(qiáng)化學(xué)習(xí)領(lǐng)域中有很多方法嘗試解決這個(gè)問題。比如放棄TD直接通過蒙特卡洛（Monte Carlo，MC ）采樣來做價(jià)值評(píng)估。此外，也可以通過eligibility trace?在基于 TD(0) 和基于 MC 的價(jià)值評(píng)估中做trade-off，以使得agent?出現(xiàn)偏差的風(fēng)險(xiǎn)被將來更多的分?jǐn)偂＿@里我們不繼續(xù)發(fā)散，感興趣的讀者可以查閱Sutton的textbook［6］。

?

1.3 延遲獎(jiǎng)勵(lì)中的貢獻(xiàn)分配

?

在1.1中，我們介紹到，NAS是一個(gè)完全延時(shí)獎(jiǎng)勵(lì)的任務(wù)。運(yùn)用我們在1.2中介紹的數(shù)學(xué)模型，我們可以把這個(gè)發(fā)現(xiàn)表達(dá)為：

?

當(dāng)我們把（2）代入（1）之中，我們會(huì)發(fā)現(xiàn)，基于TD Learning的價(jià)值評(píng)估，在TD learning的早期，當(dāng)正確的貢獻(xiàn)分配還沒有從最終網(wǎng)絡(luò)結(jié)構(gòu)狀態(tài)傳到?jīng)Q定淺層網(wǎng)絡(luò)的動(dòng)作時(shí)，因?yàn)榄h(huán)境本身沒有反饋給這一步的得分，淺層網(wǎng)絡(luò)被分配到的貢獻(xiàn)接近于0，這是一個(gè)天然的偏差。當(dāng)然，如1.2中介紹，這個(gè)偏差也可以通過設(shè)計(jì)各種方式結(jié)合Monte Carlo的預(yù)測來彌補(bǔ)，但是完全延遲獎(jiǎng)勵(lì)對(duì)于MC方法來說又會(huì)帶來的抖動(dòng)，并不利于的收斂。

?

對(duì)于延遲獎(jiǎng)勵(lì)，RUDDER［7］經(jīng)過一系列嚴(yán)格的證明，得到了如下結(jié)論：?

1）延遲獎(jiǎng)勵(lì)會(huì)指數(shù)級(jí)延長TD的收斂需要的更新次數(shù)；?

2）延遲獎(jiǎng)勵(lì)會(huì)給指數(shù)級(jí)多的狀態(tài)的MC價(jià)值評(píng)估帶來抖動(dòng)。?

?

他們提出的解決方式是用一個(gè)神經(jīng)網(wǎng)絡(luò)來擬合每條trajectory的總得分，并通過這個(gè)神經(jīng)網(wǎng)絡(luò)里的梯度回傳來將得分分配到輸入層的所有狀態(tài)中，繞過TD和MC。我們繼續(xù)回到搭建CNN的例子，如果要實(shí)現(xiàn)這個(gè)方法，就需要構(gòu)建一個(gè)新的神經(jīng)網(wǎng)絡(luò)，它的輸入是表達(dá)網(wǎng)絡(luò)結(jié)構(gòu)的編碼（encoding），輸出是預(yù)測的該網(wǎng)絡(luò)結(jié)構(gòu)的精度。

?

在［7］的實(shí)驗(yàn)中，這種通過額外訓(xùn)練一個(gè)可微分的總得分函數(shù)來分配貢獻(xiàn)的方法，表現(xiàn)出了非常明顯的收斂速度提升，如圖4。然而，這個(gè)額外的神經(jīng)網(wǎng)絡(luò)需要額外的數(shù)據(jù)和額外的訓(xùn)練，而且它能否收斂到真實(shí)的總得分并沒有保證。更重要的是，這個(gè)神經(jīng)網(wǎng)絡(luò)回傳的梯度分配的貢獻(xiàn)是否合理，在普通延遲獎(jiǎng)勵(lì)的任務(wù)中只能有一個(gè)現(xiàn)象級(jí)的評(píng)估，可解釋性有限。

?

圖4: 在延時(shí)獎(jiǎng)勵(lì)的游戲Bowling和Venture中，基于微分的貢獻(xiàn)分配方法RUDDER收斂速度明顯快于基于TD和MC的方法，圖片來自 [7]

?

2. 方法

2.1 重新建模NAS

?

本文作者的第一條關(guān)鍵insight是，當(dāng)我們用損失函數(shù)（loss function）來替代準(zhǔn)確率，不需要像RUDDER一樣額外擬合一個(gè)得分函數(shù)，NAS問題的總得分就已經(jīng)不是一個(gè)來自環(huán)境的常數(shù)而是一個(gè)可微函數(shù)了。基于1.3的介紹，這很可能大幅提高NAS的搜索效率。又因?yàn)閾p失函數(shù)和準(zhǔn)確率都可以表達(dá)一個(gè)網(wǎng)絡(luò)學(xué)習(xí)的結(jié)果，這一替換并沒有在本質(zhì)上改變NAS問題原本的“優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)分布以使得它們的期望性能最好”的目標(biāo)（objective）。于是我們有

?

其中?表示的是trajectory，?是網(wǎng)絡(luò)參數(shù)，或者更具體的說是所有可能神經(jīng)變換的參數(shù)。

?

而第二條insight來自于我們在1.1中介紹的，NAS任務(wù)的狀態(tài)轉(zhuǎn)移是確定的。在確定性的環(huán)境中，一條狀態(tài)動(dòng)作序列出現(xiàn)的概率可以表達(dá)為策略函數(shù)概率的連乘

?

將（3）和（4）結(jié)合起來看，我們發(fā)現(xiàn)

?

這是一個(gè)非常常見的生成式模型（generative model）的目標(biāo)函數(shù)。因而我們可以使用生成式模型中的一些方法，重新表?. 比如將??建模成一個(gè)fully factorizable的分布

?

如果我們假設(shè)每一次動(dòng)作是相互獨(dú)立的，這個(gè)分解可以寫成

?

其中，為了與MDP的建模區(qū)分開，我們用決策?來替換動(dòng)作?。將（6）或者（7）帶入（5）中，我們得到了一個(gè)新的目標(biāo)函數(shù)

?

2.2 用隨機(jī)神經(jīng)網(wǎng)絡(luò)表達(dá)NAS任務(wù)

?

在經(jīng)典的基于強(qiáng)化學(xué)習(xí)的NAS方法中，agent的損失函數(shù)和網(wǎng)絡(luò)本身的損失函數(shù)并不連通：

?

因而他們的計(jì)算圖也不需要連通。圖五展示了一個(gè)基于強(qiáng)化學(xué)習(xí)的NAS中agent和網(wǎng)絡(luò)交互前向（forward）及各自后向（backward）更新的過程。

圖5: 基于強(qiáng)化學(xué)習(xí)的NAS的前向和后向，網(wǎng)絡(luò)結(jié)構(gòu)策略的后向需要利用TD來做貢獻(xiàn)分配，收斂速度不能保證，資源消耗大

?

與（9）不同的是，在本文作者重新建模的目標(biāo)函數(shù)（8）中，表達(dá)網(wǎng)絡(luò)結(jié)構(gòu)分布的參數(shù)??和網(wǎng)絡(luò)變換的參數(shù)??被統(tǒng)一在了一起，這就為一次后向同時(shí)更新??和??提供了可能，也就是說有可能實(shí)現(xiàn)在更新?的同時(shí)將可微的總得分分配到每一條邊的決策上。然而，要達(dá)到這個(gè)目的，我們首先需要將網(wǎng)絡(luò)結(jié)構(gòu)分布構(gòu)建進(jìn)神經(jīng)網(wǎng)絡(luò)的計(jì)算圖里，以在一次前向中實(shí)現(xiàn)對(duì)子網(wǎng)絡(luò)結(jié)構(gòu)的采樣。

?

圖6: SNAS中子網(wǎng)絡(luò)的采樣及前向過程。左邊DAG為母網(wǎng)絡(luò)，中間的矩陣表示每次在母網(wǎng)絡(luò)每條邊上采樣的決策z，右邊為這次采樣的子網(wǎng)絡(luò)。

?

本文作者提出，這一采樣過程可以通過將網(wǎng)絡(luò)結(jié)構(gòu)分布融合到母網(wǎng)絡(luò)以形成隨機(jī)神經(jīng)網(wǎng)絡(luò)（Stochastic Neural Network, SNN）來實(shí)現(xiàn)。具體來說，從母網(wǎng)絡(luò)中產(chǎn)生子網(wǎng)絡(luò)，可以通過在母網(wǎng)絡(luò)的每一條邊的所有可能神經(jīng)變換的結(jié)果后乘上一個(gè)one-hot向量來實(shí)現(xiàn)。而對(duì)于子網(wǎng)絡(luò)的采樣，就因此自然轉(zhuǎn)化為了對(duì)一系列one-hot隨機(jī)變量的采樣

其中表示節(jié)點(diǎn)（node），實(shí)際的物理含義為特征圖（feature map），表示在邊?上選擇的神經(jīng)變換（operations），?表示在邊??上所有的神經(jīng)變換，表示在邊??上的one-hot隨機(jī)變量。圖6展示了這種SNN中一個(gè)cell的采樣方法。

?

因?yàn)镾NAS被定位為通用神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)搜索方法，在構(gòu)建母圖時(shí)，作者采用了與ENAS及DARTS相同的方法。這體現(xiàn)在：?

1）在模塊（cell）基本母圖中，設(shè)計(jì)了超過一個(gè)輸入節(jié)點(diǎn)（input node），表示該cell的輸入來自于之前哪些模塊的輸出，因而包含了產(chǎn)生cell之間的skipping和branching的可能；?

2）在設(shè)計(jì)每個(gè)cell中的中間節(jié)點(diǎn)（intermediate node）的輸入時(shí)考慮了所有來自cell內(nèi)所有之前中間節(jié)點(diǎn)的輸入邊（input edge），并在每條輸入邊上提供的神經(jīng)變換（operation）中包括了Identity的變換和0的變換，用以表達(dá)skip和直接刪除這條輸入邊。因此考慮了所有之間skipping和branching的可能。

?

將（10）與這種母網(wǎng)絡(luò)結(jié)合，我們可以獲得每一個(gè)節(jié)點(diǎn)的實(shí)際數(shù)學(xué)表達(dá)

?

這是一個(gè)在之前確定神經(jīng)層上的一個(gè)隨機(jī)的線性變換。將它考慮進(jìn)來，我們可以進(jìn)一步完善SNAS的目標(biāo)函數(shù)?

?

2.3 可微化近似

?

經(jīng)過2.1和2.2，我們獲得了一個(gè)表達(dá)NAS任務(wù)的隨機(jī)神經(jīng)網(wǎng)絡(luò)，定義了它的損失函數(shù)。接下來我們要解決的問題就是，如何計(jì)算這個(gè)損失函數(shù)對(duì)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)?和神經(jīng)變換參數(shù)???的梯度。

?

對(duì)一個(gè)如（12）的目標(biāo)函數(shù)的求導(dǎo)，特別是對(duì)期望項(xiàng)的求導(dǎo)，最經(jīng)典的方法是likelihood ratio trick，它在強(qiáng)化學(xué)習(xí)中策略梯度（policy gradient）的推導(dǎo)中被使用。然而，這一方法的主要問題是由抖動(dòng)帶來的較大的梯度方差（variance），并不利于整個(gè)優(yōu)化過程的收斂。特別是考慮到?本身的維度比較高（其維度等于所有輸入邊的總數(shù)），如何降低likelihood ratio trick帶來的梯度方差本身就仍然是一個(gè)未解決的問題（open question）。?

?

在這里，作者選擇了另一種可微化近似方法，重參數(shù)法（reparameterization）。這是一種在當(dāng)前深度生成式模型（Deep Generative Model）中被驗(yàn)證有效的方法。具體來說，在實(shí)現(xiàn)一個(gè)離散分布時(shí)，有一種方法是先采樣與該one-hot vector維度相同數(shù)量的連續(xù)均勻分布（uniform distribution）的隨機(jī)變量，將他們經(jīng)過Gumbel變換轉(zhuǎn)為Gumbel隨機(jī)變量，并從中選擇最大的那一維度（argmax）取為1，其他維度為0。這個(gè)變換被稱為Gumbel-max。這樣采樣的隨機(jī)變量的分布與該離散分布相同，而離散分布的參數(shù)也就轉(zhuǎn)化為了Gumbel max中的參數(shù)，實(shí)現(xiàn)了對(duì)該離散分布的重參數(shù)化。

?

但是因?yàn)閍rgmax這個(gè)操作本身不可微，［8，9］提出將max近似為softmax，

?

他們同時(shí)證明了當(dāng)softmax的溫度（temperature）趨近于0時(shí)，該方法產(chǎn)生的隨機(jī)變量趨近于該離散分布。 作者在論文中給出了近似后的損失函數(shù)?? 對(duì)??回傳的梯度，并在附錄中給出了詳細(xì)推導(dǎo)。經(jīng)過這一可微化之后，我們可以用圖7來表達(dá)SNAS中的前向和后向。

圖7: SNAS中的前向和后向，通過構(gòu)建隨機(jī)神經(jīng)網(wǎng)絡(luò)和可微化近似，保證了前向的采樣能夠估計(jì)NAS的優(yōu)化目標(biāo)，后向可以將梯度回傳到網(wǎng)絡(luò)結(jié)構(gòu)分布的參數(shù)上，因此無偏而高效。

?

2.4 網(wǎng)絡(luò)正向時(shí)延懲罰與網(wǎng)絡(luò)稀疏化

?

除了從開始就一直提的搜索效率問題之外，經(jīng)典的NAS方法還有一個(gè)更加實(shí)際的問題，就是設(shè)計(jì)出的網(wǎng)絡(luò)往往為了追求精度而過于復(fù)雜。具體體現(xiàn)在agent最終學(xué)會(huì)搭建一個(gè)有復(fù)雜拓?fù)浣Y(jié)構(gòu)的網(wǎng)絡(luò)，這導(dǎo)致在訓(xùn)練中需要消耗比較多的時(shí)間，就算是在實(shí)際的使用中，網(wǎng)絡(luò)前向的時(shí)延也非常長。

?

本文作者的第三條insight是，agent對(duì)于這些復(fù)雜網(wǎng)絡(luò)的偏好，一方面來自于在優(yōu)化目標(biāo)中并沒有一個(gè)對(duì)于前向時(shí)延的限制，另一方面來自于在最終網(wǎng)絡(luò)的選取中依然有不在優(yōu)化目標(biāo)中的人工操作（如在DARTS中，每個(gè)中間節(jié)點(diǎn)強(qiáng)制要求選擇top-2權(quán)重的輸入邊上的top-1權(quán)重的非0神經(jīng)變換），因此在整個(gè)網(wǎng)絡(luò)結(jié)構(gòu)搜索的過程中并不能自動(dòng)實(shí)現(xiàn)網(wǎng)絡(luò)的稀疏化，也就是說有一些搜索空間在最后被放棄了。

?

鑒于在2.2中介紹到的母網(wǎng)絡(luò)的設(shè)計(jì)中實(shí)際已經(jīng)包含了直接刪除某條輸入邊的可能，本文作者嘗試從補(bǔ)充優(yōu)化目標(biāo)入手，以期達(dá)到不需要在子網(wǎng)絡(luò)的選取中加入人工就能自動(dòng)獲得稀疏網(wǎng)絡(luò)的目的。這個(gè)目的被建模為“在給定的網(wǎng)絡(luò)正向時(shí)延預(yù)算下優(yōu)化網(wǎng)絡(luò)準(zhǔn)確率”的問題

?

通過拉格朗日變換（Lagrangian transformation），我們可以將（14）轉(zhuǎn)化為對(duì)網(wǎng)絡(luò)正向時(shí)延的懲罰

?

其中，如果每個(gè)網(wǎng)絡(luò)的正向時(shí)延可以在具體部署的硬件上測得，對(duì)于的優(yōu)化可以使用策略梯度的方法。但如果說對(duì)于網(wǎng)絡(luò)搜索的目的更偏向于多種硬件通用，這個(gè)正向時(shí)延可以通過在神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)中廣泛使用的量值來近似［10，11］。

?

這些量值包括參數(shù)量、浮點(diǎn)計(jì)算數(shù)（FLOPs）以及需要的內(nèi)存。使用這些量的一大優(yōu)勢在于，采樣出的子網(wǎng)絡(luò)的這些值的總量計(jì)算是與（11）一樣是一個(gè)對(duì)于各個(gè)備選神經(jīng)變換的一些常量（如長、寬、通道數(shù)）的隨機(jī)線性變換。與（11）相似，我們有

?

因而相較于在每一條輸入邊上優(yōu)化一個(gè)全局的網(wǎng)絡(luò)正向時(shí)延，我們只需要優(yōu)化每條邊上自己對(duì)時(shí)延的貢獻(xiàn)量。如果回到之前貢獻(xiàn)分配的語境，全局的時(shí)延懲罰被線性分配到了每一條邊的決策上，這有利于提高收斂效率。又因?yàn)?#xff08;16）是一個(gè)線性的變換，我們既可以用重參數(shù)化計(jì)算?的期望，也可以用策略梯度的方法。

?

3. 深度探究

3.1 SNAS中的貢獻(xiàn)分配

?

在之前的介紹中，雖然在2.1中提到了SNAS中使用了得分的可微性可以解決1.3中提到的在NAS這個(gè)完全延時(shí)獎(jiǎng)勵(lì)任務(wù)中TD Learning可能會(huì)遇到的問題，這種得分分配仍然是一個(gè)黑盒。為了提高方法的可解釋性，作者通過數(shù)學(xué)推導(dǎo)，證明了SNAS中用來更新?的梯度的期望在策略梯度中的等價(jià)形式，每一條輸入邊上的決策?被分配到的得分為

?

比較明顯的是，這個(gè)得分可以被解釋為一個(gè)對(duì)于得分?的一階泰勒展開（Taylor Decomposition）。對(duì)于cell中的某一個(gè)節(jié)點(diǎn)，它會(huì)聚集所有從輸出邊回傳的貢獻(xiàn)?，并把它按照的權(quán)重分配到它的所有輸入邊?。又由（10）我們知道，分配在?上的貢獻(xiàn)會(huì)根據(jù)隨機(jī)變量?來進(jìn)行分配，當(dāng)無限趨近于one-hot時(shí)，貢獻(xiàn)會(huì)完全被分配到被選擇的那個(gè)神經(jīng)變換。

?

這種基于一階泰勒展開的貢獻(xiàn)分配，在［12］中被用來解釋神經(jīng)網(wǎng)絡(luò)中每個(gè)神經(jīng)元的重要性，是目前比較被接受的解釋神經(jīng)網(wǎng)絡(luò)中不同模塊重要性的方法。

?

在1.2中，我們介紹了MDP建模中，在搜索早期TD Learning因?yàn)閮r(jià)值評(píng)估還沒來得及回傳到淺層的動(dòng)作，它們被分配的貢獻(xiàn)并不合理。在1.3中，我們介紹到雖然這個(gè)不合理最終可以被修正，整個(gè)修正的過程卻需要比較長的時(shí)間。而SNAS中的貢獻(xiàn)分配從最開始就是合理的，而且每一步都是合理的，因而幸運(yùn)的避開了這項(xiàng)時(shí)間成本。

?

這可以從一定程度上解釋為什么SNAS的搜索比基于強(qiáng)化學(xué)習(xí)的搜索收斂快。與1.3中提到的RUDDER相比，SNAS利用了NAS任務(wù)的特殊性，搭建了一張連通網(wǎng)絡(luò)結(jié)構(gòu)分布??和任務(wù)環(huán)境也就是網(wǎng)絡(luò)結(jié)構(gòu)的計(jì)算圖，使得總得分函數(shù)天然可微，而且貢獻(xiàn)分配合理可解釋。

?

當(dāng)與2.4中提到的網(wǎng)絡(luò)正向時(shí)延向結(jié)合時(shí)，（17）中提到的得分會(huì)有一個(gè)懲罰項(xiàng)的補(bǔ)充，而這個(gè)懲罰項(xiàng)因?yàn)?.4中介紹的（16）的線性可分性同樣可以解釋為一種一階泰勒展開。

?

3.2 SNAS與DARTS的關(guān)系

?

在SNAS之前，Liu et al. 提出了一種可微分的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)搜索，DARTS。不同于SNAS中通過完整的概率建模來提出新方法，DARTS將網(wǎng)絡(luò)結(jié)構(gòu)直接近似為確定性的連續(xù)權(quán)重，類似于注意力機(jī)制（attention）。在搜索過程中，表達(dá)這個(gè)softmax連續(xù)權(quán)重的參數(shù)與網(wǎng)絡(luò)神經(jīng)變換的參數(shù)??同時(shí)被更新，完全收斂之后選擇的argmax搭建子網(wǎng)絡(luò)，再重新訓(xùn)練??。

圖8: DARTS中的前向和后向，因?yàn)椴]有子網(wǎng)絡(luò)采樣的過程，優(yōu)化的損失函數(shù)并不是NAS的目標(biāo)函數(shù)

?

因?yàn)镾NAS直接優(yōu)化NAS的目標(biāo)，作者從SNAS的建模出發(fā)，對(duì)DARTS的這一近似作出了概率建模下的解釋：這種連續(xù)化的近似可以被理解為是將（12）中?的全局期望

?直接分解到每一條輸入邊上，計(jì)算了一個(gè)解析的期望

?

如果說??對(duì)于每一個(gè)都是線性的，（19）與（18）就是等價(jià)的。但是因?yàn)樵O(shè)計(jì)了 ReLU-Conv-BN 的堆疊，帶來了非線性，這兩個(gè)目標(biāo)并不等價(jià)。

?

也就是說，在DARTS的連續(xù)化近似中帶來了很大的偏差（bias）。這一方面帶來了最終優(yōu)化的結(jié)果并沒有理論保證的問題，使得一階優(yōu)化（single-level optimization）的結(jié)果不盡人意；另一方面因?yàn)檫B續(xù)化近似并沒有趨向離散的限制，最終通過刪除較低權(quán)重的邊和神經(jīng)變換產(chǎn)生的子網(wǎng)絡(luò)將無法保持訓(xùn)練時(shí)整個(gè)母網(wǎng)絡(luò)的精度。

?

Liu et al. 提出用二階優(yōu)化（bi-level optimization）通過基于梯度的元學(xué)習(xí)（gradient-based meta learning）來解決第一個(gè)問題，但是對(duì)于第二個(gè)問題，并沒有給出一個(gè)自動(dòng)化的解法，而是人工定義了一些規(guī)則來挑選邊和神經(jīng)變換，構(gòu)建子網(wǎng)絡(luò)，再重新訓(xùn)練。

?

4. 實(shí)驗(yàn)

4.1 CIFAR-10上的搜索效率

?

從ENAS開始，在極致壓縮搜索資源成本的方向上，比較常見的方法是先搜索少量的cell，再把它們堆疊起來，重新訓(xùn)練。為了和現(xiàn)有的通用NAS方法進(jìn)行公平的對(duì)比，本文作者也采用了相同的方法，在一張GPU上針對(duì)CIFAR-10任務(wù)搜索cell結(jié)構(gòu)。

?

圖9: SNAS, ENAS和DARTS在搜索中的validation accuracy隨著訓(xùn)練epoch數(shù)的變化

?

圖9展示了整個(gè)搜索過程中SNAS、ENAS和DARTS的測試準(zhǔn)確率隨著epoch數(shù)的變化。可以看到的是SNAS如作者理論預(yù)言的一樣，收斂速度明顯快于ENAS，而且最后收斂的準(zhǔn)確率也遠(yuǎn)遠(yuǎn)高于ENAS。雖然從這張圖里看起來DARTS的收斂速度快于SNAS，而且二者的收斂精度相似，但是這個(gè)準(zhǔn)確率是整張母圖的準(zhǔn)確率，基于3.2中的分析，它并不能反應(yīng)最終子網(wǎng)絡(luò)的性能。

?

4.2 搜索結(jié)束直接產(chǎn)生子網(wǎng)絡(luò)

?

為了直觀表現(xiàn)3.2中提到的第二個(gè)問題，即DARTS最終獲得的子網(wǎng)絡(luò)并不能直接使用而一定需要參數(shù)的重新訓(xùn)練，并檢測作者對(duì)于SNAS可以避免這個(gè)問題的理論預(yù)言，作者提供了上圖搜索結(jié)束之后DARTS和SNAS按照各自的方式產(chǎn)生子網(wǎng)絡(luò)的準(zhǔn)確率。

?

圖10: SNAS與DARTS在搜索收斂時(shí)的準(zhǔn)確率和直接產(chǎn)生子網(wǎng)絡(luò)的準(zhǔn)確率對(duì)比

?

從圖10可以看到，SNAS中產(chǎn)生的子網(wǎng)絡(luò)可以保持搜索時(shí)的測試集準(zhǔn)確率，而DARTS的結(jié)果并不能。Liu et al. 提出的解決方案是，重新訓(xùn)練子網(wǎng)絡(luò)100個(gè)epoch。當(dāng)把這部分時(shí)間同樣算進(jìn)去，再外加上DARTS沒有最優(yōu)的保證可能需要訓(xùn)練多個(gè)網(wǎng)絡(luò)再進(jìn)行選擇，（如原文中Liu et al. 搜索了十次選擇其中最好的，）SNAS的實(shí)際搜索效率遠(yuǎn)高于DARTS。

?

同時(shí)，在構(gòu)建子網(wǎng)絡(luò)的過程中，作者發(fā)現(xiàn)，同樣訓(xùn)練150個(gè)epoch，SNAS的網(wǎng)絡(luò)結(jié)構(gòu)分布，相對(duì)于DARTS中的softmax，對(duì)每條邊上的決策更加確定。圖11展示了這兩個(gè)分布的信息熵（entropy）的對(duì)比，SNAS的熵小于DARTS。

?

圖11: SNAS與DARTS搜索收斂后網(wǎng)絡(luò)結(jié)構(gòu)分布的信息熵

?

4.3 搜索過程中的網(wǎng)絡(luò)演化

?

在2.4中介紹到，除了重新建模NAS問題，SNAS的另一項(xiàng)創(chuàng)新點(diǎn)在于通過優(yōu)化網(wǎng)絡(luò)正向時(shí)延懲罰來自動(dòng)實(shí)現(xiàn)網(wǎng)絡(luò)稀疏化，避免搜索出正向時(shí)延過長的網(wǎng)絡(luò)。在ENAS和DARTS中，最終的網(wǎng)絡(luò)都是通過人工規(guī)則來挑選每個(gè)節(jié)點(diǎn)上的兩條輸入邊的，在這個(gè)規(guī)則下的演化過程主要就是對(duì)每條邊上神經(jīng)變換的替換。而SNAS有可能在搜索過程中就出現(xiàn)網(wǎng)絡(luò)本身拓?fù)浣Y(jié)構(gòu)的演化。

圖12: 在較強(qiáng)時(shí)延懲罰下的normal cell和reduction cell的演化過程

?

圖12展示了SNAS在較強(qiáng)延時(shí)懲罰下的normal cell和reduction cell的演化過程。可以看到的是，在搜索的非常早期，大部分的邊就因此被自動(dòng)刪除了。有兩點(diǎn)比較有意思的觀察：?

1）來自于藍(lán)色節(jié)點(diǎn)即輸入節(jié)點(diǎn)的邊在reduction cell中直到80個(gè)epoch之后才出現(xiàn)，這意味著在前80個(gè)epoch中reduction cell都是被跳過的，直到需要時(shí)它才被引入。

2）在normal cell中最后學(xué)習(xí)的結(jié)果是自動(dòng)產(chǎn)生了每個(gè)節(jié)點(diǎn)有且僅有兩條輸入邊的拓?fù)浣Y(jié)構(gòu)，這說明ENAS和DARTS中做top-2的選擇有一定的合理性。但在reduction cell中最后的結(jié)果是有一半的節(jié)點(diǎn)沒有被使用，這對(duì)之前人工設(shè)計(jì)的子網(wǎng)絡(luò)生成規(guī)則提出了挑戰(zhàn)。

?

4.4 不同程度延時(shí)懲罰的影響

?

作者在實(shí)驗(yàn)中嘗試了三種不同程度的時(shí)延懲罰：

1）較弱時(shí)延懲罰是一個(gè)時(shí)延懲罰的邊界值，由它搜出的網(wǎng)絡(luò)會(huì)出現(xiàn)邊的自動(dòng)刪除，搜索結(jié)果如圖13。當(dāng)時(shí)延懲罰小于這個(gè)值時(shí)，時(shí)延懲罰更多的體現(xiàn)在對(duì)每條邊上的簡單神經(jīng)操作的偏好上。

?

圖13: 較弱時(shí)延懲罰下搜索出的網(wǎng)絡(luò)結(jié)構(gòu)，(a): normal cell，(b): reduction cell

?

2）中等時(shí)延懲罰與較弱時(shí)延懲罰相比降低了網(wǎng)絡(luò)的深度和網(wǎng)絡(luò)參數(shù)量，并且?guī)砹烁叩臏?zhǔn)確率（見4.5章），表現(xiàn)出了一定的正則效果。搜索結(jié)果如圖14。

?

圖14: 中等延時(shí)懲罰下搜索出的網(wǎng)絡(luò)結(jié)構(gòu)，(a): normal cell，(b): reduction cell

?

3）較強(qiáng)時(shí)延懲罰下可以直接刪除中間節(jié)點(diǎn)，搜索結(jié)果如圖15。可以看到節(jié)點(diǎn)2、3的輸入邊被完全刪除。同時(shí)，因?yàn)檩斎牍?jié)點(diǎn) k-1 無輸出邊，整個(gè)cell的拓?fù)浣Y(jié)構(gòu)被大大簡化。

?

圖15: 較強(qiáng)延時(shí)懲罰下搜索出的網(wǎng)絡(luò)結(jié)構(gòu)，(a): normal cell，(b): reduction cell

?

4.5 CIFAR-10搜得結(jié)果網(wǎng)絡(luò)的評(píng)估

?

與DARTS相同，作者將SNAS搜得的cell堆疊起來，在CIFAR-10上重新訓(xùn)練參數(shù)，獲得了state-of-the-art的精度，如圖16所示。

?

圖16: SNAS搜得的cell與其他NAS方法及人工設(shè)計(jì)結(jié)構(gòu)在CIFAR上的對(duì)比

?

值得注意的是，一階優(yōu)化的DARTS的結(jié)果并不如不優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)分布產(chǎn)生完全均勻分布產(chǎn)生的結(jié)果，而一階優(yōu)化的SNAS達(dá)到了DARTS二階優(yōu)化獲得的準(zhǔn)確率。而且因?yàn)榍跋驎r(shí)延懲罰的加入，SNAS搜得的網(wǎng)絡(luò)在參數(shù)量上小于其他網(wǎng)絡(luò)，卻獲得了相近的準(zhǔn)確率。特別是在中等時(shí)延懲罰下，SNAS的子網(wǎng)絡(luò)在使用更少參數(shù)的情況下準(zhǔn)確率超過了較弱時(shí)延懲罰獲得的網(wǎng)絡(luò)，表現(xiàn)出了時(shí)延懲罰的正則效果。

?

4.6 CIFAR-10搜得結(jié)果網(wǎng)絡(luò)對(duì)ImageNet的拓展

?

與DARTS相同，作者提供了將SNAS搜得的cel拓展到tiny ImageNet上獲得的結(jié)果，如圖17所示。盡管使用更少的參數(shù)量和FLOPs，子網(wǎng)絡(luò)可以達(dá)到state-of-the-art的準(zhǔn)確率。

?

圖17: SNAS搜得的cell與其他NAS方法及人工設(shè)計(jì)結(jié)構(gòu)在ImageNet上的對(duì)比

?

5. 結(jié)語

?

隨機(jī)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)搜索（SNAS）是一種高效率、低偏差、自動(dòng)化程度高的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)搜索（NAS）框架。作者通過對(duì)NAS進(jìn)行重新建模，從理論上繞過了基于強(qiáng)化學(xué)習(xí)的方法在完全延遲獎(jiǎng)勵(lì)中收斂速度慢的問題，直接通過梯度優(yōu)化NAS的目標(biāo)函數(shù)，保證了結(jié)果網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)可以直接使用。

?

相較于其他NAS方法中根據(jù)一定規(guī)則產(chǎn)生子網(wǎng)絡(luò)的方式，作者提出了一套更加自動(dòng)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)演化方法，在優(yōu)化網(wǎng)絡(luò)準(zhǔn)確率的同時(shí)，限制了網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜度和前向時(shí)延。相信隨著這一研究的不斷深入，我們會(huì)看到更多SNAS在大數(shù)據(jù)集、大網(wǎng)絡(luò)以及其他任務(wù)中的發(fā)展。

?

轉(zhuǎn)自：https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/86619642

總結(jié)

以上是生活随笔為你收集整理的详解随机神经网络结构搜索 (SNAS)的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。