SPOS2019-arxiv-Single Path One-Shot Neural Architecture Search with Uniform Sampling

Posted 2020-12-18 chenbong

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了SPOS2019-arxiv-Single Path One-Shot Neural Architecture Search with Uniform Sampling相关的知识，希望对你有一定的参考价值。

SPOS

2019-arxiv-Single Path One-Shot Neural Architecture Search with Uniform Sampling

Institute：MEGVII、THU、HKUST
Author：Zichao Guo、Xiangyu Zhang、Jian Sun
GitHub：
https://github.com/CanyonWind/Single-Path-One-Shot-NAS-MXNet【120+】
https://github.com/megvii-model/SinglePathOneShot【120+】
https://github.com/megvii-model/SinglePathOneShot【120+】
Citation：116

Introduction

构建一个简化的超网，在训练阶段，每次训练单条路径，减少权重耦合；在搜索阶段使用EA算法。

训练（超网）阶段：随机抽single path进行训练
搜索（子网）阶段：使用EA算法搜索满足特定限制（FLOPs，latency）的子网

训练，搜索两阶段思路清晰，简单有效，ablation study实验丰富。

Motivation

基于weight-sharing的NAS方法存在2个问题：

子网权重耦合的问题：子网的权重之间存在高度耦合，直接继承超网的权重，而且权重对子网仍然有效，没有理论依据（超网中不同的路径被训练的程度不同，有的路径被训练得多，有的被训练得少）
结构参数和网络权重耦合的问题：搜索空间松弛（离散化=>连续化，如DARTS系列）的基于梯度的方法中，结构参数（arch parameter）和网络权重（weight）联合优化，容易陷入“强化初始的选择“的局部最优当中去；（如第一次随机选择/抽样了某个子网，这个子网上路径上的权重会被训练，后续选择的过程中，这个子网路径上的性能表现更好，更容易被抽到，就陷入一直强化第一次选择的子网的过程，有的路径被一直训练，而有的路径没有得到充分训练。因此初始的随机选择对结果影响非常大，收敛后可能只是局部最优）

一些one-shot工作* 不使用可微分方法联合优化结构参数（arch parameter）和网络权重（weight），解决了第二个问题，将“超网训练”和“结构搜索”两个过程分离开来。

但第一个问题仍然存在，即子网络之间参数耦合的问题。【ProxylessNAS】等使用Path Dropout的超参数来减少路径之间的耦合，但实验结果对超参非常敏感，超参的选择困难且超网比较难训练。

*这里的one-shot指的是狭义上的one-shot，即不使用可微分方法的超网抽样子网的方法，如【Understanding One-Shot NAS】和SMASH，广义上DARTS系列使用可微分的方法也属于one-shot

Contribution

为了解决以上2个问题，

提出了一种简单的训练方式（single path），每个路径都会被等概率地充分训练，后续抽样的时候不同路径的训练程度都相同，来解决子网络权重耦合问题；
提出了有效的搜索方式（EA），将超网训练和子网搜索分离为2个单独的步骤，解耦网络权重与网络结构的关系，同时可以容易实现各种约束（FLOPs，latency），而且是hard约束（使用EA多次搜索，直到搜索到满足约束条件的子网），而不是soft约束（比如在loss上加latency损失项就属于soft约束，soft约束只能将网络大致限制在某个值，可以理解为多个损失项之间的权衡，如果一个网络acc loss 非常小，可以牺牲一点latency约束，所以不能实现精确的约束）。

Method

训练超网阶段

(W_{mathcal{A}}=underset{W}{operatorname{argmin}} mathcal{L}_{operatorname{train}}(mathcal{N}(mathcal{A}, W)) qquad(6))

A代表超网的结构参数，W代表超网中所有的weights

(W_{mathcal{A}}=underset{W}{operatorname{argmin}} mathbb{E}_{a sim Gamma(mathcal{A})}left[mathcal{L}_{operatorname{train}}(mathcal{N}(a, W(a))) ight] qquad (8))

(mathbb{E}_{a sim Gamma(mathcal{A})}) 表示a是在A中均匀采样

搜索子网阶段

(a^{*}=underset{a in mathcal{A}}{operatorname{argmax}} mathrm{ACC}_{ ext {val }}left(mathcal{N}left(a, W_{mathcal{A}}(a) ight) ight) qquad (7))

a表示子网的结构参数，a*表示最佳子网的结构参数

搜索最佳的子网（的结构参数）

搜索空间：

搜索空间中的输入通道数，和输出通道数可以看做“最大通道数”，实际搜索到的子网的通道数是<=“最大通道数”的。

搜索使用EA算法：

EA搜索与随机搜索的比较：

还可以搜索通道数和混合精度。

搜索通道数：

细节：如何选择通道数，每个layer预先设置有max c_in ，max c_out，kernel size*，因此这个layer的最大参数量为 kernel_size × max_c_in × max_c_out，每次抽样的c_in由上个layer的c_out决定，c_in在<=max_c_in的范围内随机抽样，可以看出，不同的iter中抽到的该层的通道数都不相同，而这些参数又是共享的，多次抽样下，（作者说）会很快收敛。

*如果 kernel 为3×3，那么这里的kernel size=9

搜索混合精度

这部分不是很熟，先把结果放上来，后续再学习。

Experiments

batch size 1024,8*1080ti

supernet：120 epochs

best arch：240 epochs

整个网络共有20个choice blocks

总体结构如下表：

每个choice block有4种候选（分别是choice_3, choice_5, choice_7, choice_x），共有20个choice blocks，因此搜索空间一共是(4^{20})

由于之前大多数NAS的工作与手工设计网络的大小都在[300, 330]，因此我们将FLOPs限制在<=330M

说明：

1）第一部分：不同的choice_x block的FLOPs是不同的，因此我们调整（搜索？）不同的channels来满足FLOPs约束；全部使用单一种类的blocks（我的理解是，比如全部使用choice_3的block构建超网，训练超网，在超网中随机搜索出满足FLOPs约束的子网络，重新训练）

2）第二部分：在整个搜索空间（由4种block构建的spuernet）中随机搜索和在single path supernet中随机搜索；使用single path训练的spuer net搜索空间只比第一种略高。（我的理解是，第一种：由4种blocks构建的supernet，直接训练，然后随机搜索；第二种：由4种blocks构建的spuernet，使用single path训练，然后随机搜索）

3）第三部分：在使用single path训练过后的supernet中将随机搜索替换为EA搜索，效果比随机搜索高了0.5个点（74.3，这里的搜索在下文中被称为block search，我的理解是，这里搜索的子网每一层用的都是最大通道数）。

为了进一步提高acc，我们同时搜索 blcoks 和 channels：

这里有2种策略：

1）在best block search 的结果上，执行channels search

2）直接同时搜索 blocks 和 channels

实验表明，第一种稍微好一点