神經(jīng)架構(gòu)搜索詳解

近期谷歌大腦團(tuán)隊(duì)發(fā)布了一項(xiàng)新研究：只靠神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索出的網(wǎng)絡(luò)，不訓(xùn)練，不調(diào)參，就能直接執(zhí)行任務(wù)。

這樣的網(wǎng)絡(luò)叫做WANN，權(quán)重不可知神經(jīng)網(wǎng)絡(luò)。前一陣子在業(yè)內(nèi)引起了不小轟動。

很多同學(xué)對其中的關(guān)鍵方法“神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索（NAS）“表現(xiàn)出了極大興趣。那么什么是NAS呢？

谷歌CEO Sundar Pichai曾表示：“設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)非常耗時，需要具有專門背景知識的人，并且，對專業(yè)知識的高要求限制了創(chuàng)業(yè)公司和小的社區(qū)使用它。

而使用“神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)”的方法被稱為神經(jīng)結(jié)構(gòu)搜索（NAS），通常使用強(qiáng)化學(xué)習(xí)或進(jìn)化算法來設(shè)計(jì)新的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

關(guān)于NAS，原理是什么？初學(xué)者又該如何入門？

圖靈君對下面這篇選自medium技術(shù)博客進(jìn)行了編譯，該文章全面介紹NAS的原理和三種不同方法，希望大家有所幫助。

以下是博文內(nèi)容：

我們大多數(shù)人可能都對ResNet耳熟能詳，它是ILSVRC 2015在圖像分類、檢測和本地化方面的贏家，也是MS COCO 2015檢測和分割的贏家。ResNet是一個巨大的架構(gòu)，遍布各種跳躍連接。當(dāng)我使用這個ResNet作為自己機(jī)器學(xué)習(xí)項(xiàng)目的預(yù)訓(xùn)練網(wǎng)絡(luò)時，我想的是“怎么會有人提出這樣的體系結(jié)構(gòu)呢?”'

大型人類工程圖像分類體系機(jī)構(gòu)

不久之后，我了解到許多工程師和科學(xué)家用他們多年的經(jīng)驗(yàn)構(gòu)建了這種架構(gòu)后。并且還有更多的直覺而不是完整的數(shù)學(xué)將告訴你“我們現(xiàn)在需要一個5x5過濾器以達(dá)到最佳精度”。我們有很好的圖像分類任務(wù)架構(gòu)，但像我這樣的許多年輕學(xué)習(xí)者通?；ㄙM(fèi)數(shù)小時的時間來修復(fù)體系結(jié)構(gòu)，同時處理那些不是Image的數(shù)據(jù)集。我們當(dāng)然希望別人能為我們做這件事。

因此神經(jīng)架構(gòu)搜索(NAS)，自動化架構(gòu)工程的過程就出現(xiàn)了。我們只需要為NAS系統(tǒng)提供數(shù)據(jù)集，它將為我們提供該數(shù)據(jù)集的最佳架構(gòu)。NAS可以被視為AutoML的子域，并且與超參數(shù)優(yōu)化具有明顯的重疊。要了解NAS，我們需要深入研究它在做什么。它通過遵循最大化性能的搜索策略，從所有可能的架構(gòu)中找到架構(gòu)。下圖總結(jié)了NAS算法。

NAS方法的維度

它有3個獨(dú)立的維度：搜索空間、搜索策略和性能評估。

搜索空間定義了NAS方法原則上可能發(fā)現(xiàn)的神經(jīng)架構(gòu)。它可以是鏈狀結(jié)構(gòu)，其中層（n-1）的輸出作為層（n）的輸入饋送?；蛘咚梢允蔷哂刑S連接（多分支網(wǎng)絡(luò)）的現(xiàn)代復(fù)雜架構(gòu)。

鏈狀網(wǎng)絡(luò)和多分支網(wǎng)絡(luò)

有時人們確實(shí)想要使用具有重復(fù)主題或單元的手工制作的外部架構(gòu)（宏觀架構(gòu)）。在這種情況下，外部結(jié)構(gòu)是固定的，NAS僅搜索單元體系結(jié)構(gòu)。這種類型的搜索稱為微搜索或單元搜索。

左：單元結(jié)構(gòu) 右：單元放入手工制作的外部結(jié)構(gòu)中

在許多NAS方法中，以分層方式搜索微觀和宏觀結(jié)構(gòu); 它由幾個層次的主題組成。第一級由原始操作組成，第二級是不同的主題，通過有向無環(huán)圖連接原始操作，第三級是編碼如何連接二級圖案的主題，依此類推。

為了解釋搜索策略和性能估計(jì)，下面將討論三種不同的NAS方法。

強(qiáng)化學(xué)習(xí)

我們了解強(qiáng)化學(xué)習(xí); 其中根據(jù)θ參數(shù)化的一些策略執(zhí)行某些操作。然后，代理從所采取的操作的獎勵更新策略θ。在NAS的情況下，代理生成模型體系結(jié)構(gòu)，子網(wǎng)絡(luò)（動作）。然后在數(shù)據(jù)集上訓(xùn)練模型，并將模型對驗(yàn)證數(shù)據(jù)的性能作為獎勵。

控制器扮演代理的角色，準(zhǔn)確性被作為獎勵

通常，遞歸神經(jīng)網(wǎng)絡(luò)（RNN）被視為控制器或代理。它產(chǎn)生字符串，模型是隨機(jī)構(gòu)建的字符串形式。

RNN用于創(chuàng)建模型的字符串示例

例如，在圖5中，連續(xù)的RNN輸出用于構(gòu)建濾波器; 從過濾器高度開始到步寬。輸出錨點(diǎn)用于指示跳躍連接。在第N層，錨點(diǎn)將包含N-1個基于內(nèi)容的sigmoids，以指示需要連接的先前層。

通過策略梯度方法訓(xùn)練RNN以迭代地更新策略θ。這里省略了詳細(xì)的計(jì)算，可以在原始論文的第3.2節(jié)中找到。

論文地址：

https://openreview.net/pdf?id=r1Ue8Hcxg

漸進(jìn)式神經(jīng)架構(gòu)搜索（PNAS）

PNAS執(zhí)行本教程的搜索空間部分中討論的單元搜索。他們通過以預(yù)定義的方式添加單元來構(gòu)建來自塊的單元并構(gòu)建完整網(wǎng)絡(luò)。

單元以預(yù)定數(shù)量串聯(lián)連接以形成網(wǎng)絡(luò)。并且每個單元由幾個塊（原文中使用的5個）形成。

這些塊由預(yù)定義的操作組成。

塊的結(jié)構(gòu)。組合函數(shù)只是逐元素相加

操作結(jié)果表明，圖中所示為原論文所使用的圖形，可以進(jìn)行擴(kuò)展。

上圖顯示了完整的示例。即使在這種單元胞或微搜索中，也有101?個有效組合來檢查以找到最佳單元結(jié)構(gòu)。

因此，為了降低復(fù)雜性，首先僅構(gòu)建僅具有1個塊的單元。這很容易，因?yàn)橥ㄟ^上述操作，只有256個不同的單元是可能的。然后選擇頂部K表現(xiàn)最佳的單元以擴(kuò)展2個塊單元，并重復(fù)最多5個塊。

但是，對于一個合理的K，太多的2塊候選來訓(xùn)練。作為這個問題的解決方案，我們訓(xùn)練了僅通過讀取字符串（單元被編碼成字符串）來預(yù)測最終性能的“廉價”代理模型。這種訓(xùn)練的數(shù)據(jù)是在單元構(gòu)建、訓(xùn)練和驗(yàn)證時收集的。

例如，我們可以構(gòu)造所有256個單塊單元并測量它們的性能。并使用這些數(shù)據(jù)訓(xùn)練代理模型。然后使用此模型預(yù)測2個塊單元的性能，而無需實(shí)際訓(xùn)練和測試它們。當(dāng)然，代理模型應(yīng)該能夠處理可變大小的輸入。

然后選擇由模型預(yù)測的頂部K表現(xiàn)最佳的2個塊單元。然后對這2個塊單元進(jìn)行實(shí)際訓(xùn)練，對“替代”模型進(jìn)行微調(diào)，并將這些單元擴(kuò)展為3個塊并對其進(jìn)行迭代

PNAS的步驟

差異化架構(gòu)搜索（DARTS）

用于神經(jīng)架構(gòu)的搜索空間是離散的，即一種架構(gòu)與另一種架構(gòu)的不同之處至少在于該架構(gòu)中有一層或一些參數(shù)，例如，5x5濾波器對7x7濾波器。在該方法中，采用連續(xù)松弛法進(jìn)行離散搜索，以實(shí)現(xiàn)基于梯度的直接優(yōu)化。

我們搜索的單元可以是有向無環(huán)圖，其中每個節(jié)點(diǎn)x是潛在表示（例如卷積網(wǎng)絡(luò)中的特征映射），并且每個有向邊（i，j）與某些操作o（i，j）相關(guān)聯(lián)（ 卷積，最大池化等，轉(zhuǎn)換x（i）并在節(jié)點(diǎn)x（j）處存儲潛在表示。

每個節(jié)點(diǎn)的輸出可以通過上述的等式計(jì)算。以這樣的方式枚舉節(jié)點(diǎn)，即從節(jié)點(diǎn)x（i）到x（j）存在邊（i，j），然后i

在連續(xù)松弛法中，不是在兩個節(jié)點(diǎn)之間進(jìn)行單個操作。使用每種可能操作的凸組合。為了在圖中對此進(jìn)行建模，保持兩個節(jié)點(diǎn)之間的多個邊緣，每個邊緣對應(yīng)于特定操作。并且每個邊緣也具有權(quán)重α。

離散問題的連續(xù)松弛

現(xiàn)在O（i，j）節(jié)點(diǎn)x（i）和x（j）之間的操作是一組操作o（i，j）的凸組合，其中o（.）εS，其中S是所有的集合可能的操作。

O（i，j）的輸出由上述方程計(jì)算。

L_train和L_val分別表示訓(xùn)練和驗(yàn)證損失。兩種損失不僅由架構(gòu)參數(shù)α確定，而且還由網(wǎng)絡(luò)中的權(quán)重“w”確定。架構(gòu)搜索的目標(biāo)是找到最小化驗(yàn)證損失L_val（w *，α*）的α*，其中通過最小化訓(xùn)練損失來獲得與架構(gòu)相關(guān)聯(lián)的權(quán)重'w *'。

w?= argminL_train(w, α? ).

這意味著一個雙層優(yōu)化問題，α作為上層變量，w作為下層變量：

α *= argminL_val(w ? (α), α)

s.t.w ? (α)= argminL_train(w, α)

訓(xùn)練后，某些邊的α變得比其他邊大得多。為了得到這個連續(xù)模型的離散架構(gòu)，在兩個節(jié)點(diǎn)之間保留唯一具有最大權(quán)重的邊。

a）上的操作最初是未知的。b）通過在每個邊上放置候選操作的混合來連續(xù)放松搜索空間c）在雙層優(yōu)化期間一些權(quán)重增加并且一些權(quán)重下降d）最終體系結(jié)構(gòu)僅通過采用具有兩個節(jié)點(diǎn)之間的最大權(quán)重的邊來構(gòu)建。

當(dāng)找到單元時，這些單元然后用于構(gòu)建更大的網(wǎng)絡(luò)。