华为高级研究员谢凌曦：下一代人工智能计算模型探索

分享嘉宾：谢凌曦 华为高级研究员

编辑整理：王吉东

内容来源：将门线上直播193期

出品平台：将门、DataFunTalk

注：欢迎转载，转载请在留言区留言。

导读：下一代人工智能计算模型，主要是使用一些自动化技术帮助我们设计更好的深度学习网络结构，并在任务中提升性能。在深度学习如火如荼的当下，如何设计高效的神经网络架构，是研究者面临的重大挑战。本文将从网络架构搜索——这一当下火热的话题切入，探讨其中一类利用权重共享加速搜索的方法，并且分析这类方法存在的问题，给出自己的解决方案。

本次分享的具体内容有：

• 从AI的三大挑战，引出自动化机器学习和网络架构搜索的重要性

• 网络架构搜索的通用框架

• 权重共享的网络架构搜索算法以及面临的挑战

• 我们在网络架构搜索方面的工作

• 总结和未来展望

01

从 AI 的三大挑战，引出自动化机器学习和网络架构搜索的重要性

1. AI 领域未来面临的挑战

AI 领域未来面临的挑战，有3件事是确定的：数据 ( data )，模型 ( model )，知识 ( knowledge )。

① 数据

Data-efficiency：如何利用有限或多模态数据训练模型？

在如今的数据爆炸时代，会产生海量的数据，其中只有很少的数据有数据标注，大量的数据没有数据标注，且数据很"脏"。于是引出了第一个问题：如何从海量数据中，真正学习到自己想要的东西。

AI 未来的发展方向是从全监督发展成自监督和无监督的方向。

② 模型

Auto-learning：如何为人工智能应用设计强大高效的模型？

这一代的计算模型主要是基于深度学习的，尤其是卷积神经网络。深度学习在图像识别领域的应用，使得原先的模型从手工识别特征发展到自动学习特征。

基于这种发展的趋势，我们将模型继续推进一步，使得深度学习的网络设计也从手动转为自动。这是模型部分所面临的挑战。

③ 知识

Knowledge-aware：如何定义和存储知识，使训练后的模型安全可靠？

现有模型的算法，大部分都是拟合和训练数据，并不能保证拟合得到的结果具备分析常识的能力，即"不能真正地学习知识"。由于计算机缺乏常识，对知识的学习，可能会成为 AI 未来5年的研究方向。

2. AutoML

本文的重点是模型部分，主要分析手动和自动两种思路的区别。

2017年自动化网格搜索架构被提出后，"手动更好"还是"自动更好"这类争论不断。在争论的过程中逐渐催生出了一个新的方向，称为自动化机器学习 ( AutoML )。这一方向在工业界得到了更多的关注度。

工业界的关注度超过学术结，主要有两个原因：

① 工业界的算力更强。

AutoML 算法对计算资源的消耗非常大。例如，Google 发表的 NAS 方面的论文，每天需要上万个 GPU 才能完成计算。

② 工业界有很强的需求。

AutoML 可以帮工业界节省很多的开发成本。以华为为例，华为有各种各样不同的手机产品，从旗舰机到低端的手机，芯片的计算能力会差很多。用户会需要在不同的手机中完成相似的功能 ( 如拍视频 )，因此针对不同的芯片需要设计不同的网络架构以满足用户的需求；另一方面，用户的需求 ( 如清晰度的要求 ) 是实时变化的，如果使用人工机器学习算法，会带来巨大的人力投入。基于此，工业界存在自动化算法的需求。

3. NAS

① 简介

NAS，是 AutoML 的一个子课题，核心是：使用自动设计的网络架构，来替代手工设计的网络架构，使用自动算法探索 ( unexplored architectures )。

在2015年前，所有的神经网络架构几乎都是手工设计的。如下图，是一个典型的神经网络架构——ResNet

② NAS 对业界的影响

对于 ImageNet 这类标准的视觉任务，从2018年开始，最佳的算法属于 NAS 这类自动搜索出来的网络架构。2018年-2019年，最佳算法是 Google 开发出来的；2020年，华为在 Google 的 EfficientNet 的基础上增加了一些自研算法，其准确率超过了 Google 自有的性能。

另一方面，在 Mobile setting 方面 ( 即 FLOPs 不超过 600M ) 的图像分类任务中，NAS 比人工设计方法具有更好的表现。因为"资源受限"，就更需要精细化设计，这是人工所不擅长的。在这一赛道上，华为自研算法在表现上已经超过了 Google。目前这项研究还在进行中。

这类 NAS 的方法带动了业界很多任务领域发生了变化，除了分类任务外，检测、分割、底层视觉等任务的实现方法都产生了很大的变革。下一部分会简要介绍业界 NAS 框架的通用 pipeline。

02

网络架构搜索的通用框架

1. 通用 Pipeline

业界和 NAS 相关的文献已有超过200篇，但这些文献的思路都大同小异，都是基于 "trialand update" 的思路开展的工作。所谓 "trialand update"，就是在超大的搜索空间中，按照一定的规则启发式地寻找最优的网络架构。

常使用以下步骤：

2. NAS 三要素

NAS 的三要素是：搜索空间，搜索策略，评估方法。

• 搜索空间：哪种结构可以被找到？

• 搜索策略：如何从较大空间中进行结构采样？

• 评估方法：如何评估采样结构？

① 搜索空间 

定义搜索空间的过程中，会遇到很多选项：

选项一：定义一个开放空间还是封闭空间？

目前大部分的搜索空间都是封闭空间，即：

• 搜索空间是预先定义好的

• 能搜索到哪些网格架构是预先清楚了解的

未来的发展方向可能会是开放性的搜索空间。

选项二：是否预先定义单元格 cell？是基于 cell 的搜索还是对网格架构做整体搜索？

推测未来的发展方向是整体搜索，但如今算法发展程度有限，主要还是基于 cell 的搜索。

选项三：操作集的规模要多大？

这个需要根据具体场景定义；通常使用下图中操作集的子集。

② 搜索策略

目前常见的搜索策略包括两类：独立的搜索策略和权值共享的搜索策略。我们的工作，主要偏向于后者。

权值共享的含义是：

• 在训练的较大网络中，包含很多小的网络；

• 在评估小网络的时候，可以利用以前计算的结果。

③ 评估方法

评估方法与搜索策略"强绑定"。独立的搜索策略，每个网络搜索出来后，需要独立地从头到尾训练一遍；而权重共享的搜索策略，会有对应的更加高效的方法进行评估。

03 

权重共享的网络架构搜索算法以及面临的挑战

1. 搜索效率是关键

前期 Google 采用独立的搜索策略，将采样的每个网络结构从头到尾都训练一遍，搜索过程耗时长，搜索效率极低 ( 每个搜索耗用上千个 GPU 天 )。

针对这一问题，采用的解决办法是：复用前面训练好的结果。这样逐渐就形成了"权重共享"这样的方式。

• 解决方法：采样结构间共享计算

• 好处：将单个搜索的成本降低到少于一个 GPU 天

• 带来了新的问题：权重共享机制引入了误差

2. NAS 的两大主流方向

① 独立 NAS 方法：独立搜索与评价

优点：

• 搜索 pipeline 相对灵活

• 更容易执行多目标优化

• 搜索和评估分离，因此更稳定

缺点：

• 搜索过程耗时

② 权重共享 NAS 方法：联合搜索和评估

优点：

• 搜索过程计算效率高

缺点：

• 大量权重共享，会给搜索带来不稳定性

因此，如何处理这种不稳定性，也是本文后面分析的主要内容。

3. 可微 NAS

如今业界常用的方法是 DARTS 法 ( 可微分网络架构搜索方式 )，将网络架构构建成 cell-based 的方法，每个阶段都是一个单元，每个单元内都会有很复杂的结构；而单元结构的数量，可以在训练过程中做调整。

① 基于单元的搜索空间

可重复单元，单元数量可调。

② 在每个 Normal Cell 中，搭建有向无环图 ( DAG )

• 所有运算符都可以出现在每个边上，并带有加权和

• 将架构搜索变成一个持续优化的问题

• 将架构剪枝，保留主导算子，最终确定架构

这样处理，只需要超网络的一次训练，就可以得到这样的网络架构。

4. DARTS 的本质和弊端

通过测试发现，DARTS 结构非常不稳定。

当网络训练参数设定在50轮的时候，得到的网络架构还比较"正常"；但是当训练迭代设定在100轮时，会得到很"奇怪"的网络架构：所有节点间都是"跳连" ( skip_connect ) 运算，这样就失去了网络的意义。

DARTS 的本质是训练超级网络，再通过剪枝处理形成子网络。但是这里有个前提假设：优化良好的超级网络可以产生良好的子网络。

但是，上述假设并不一定成立：超级网络和子网络之间可能存在很大的"优化差距"。

• 一个极端的例子：搜索崩溃，超级网络中的所有边缘都被一个弱的 skip_connect 算子控制，但是超级网络的验证精度仍然很高

• 当前解决方案：提前终止，这使得搜索结果相当不确定

由此可以看到，即使超网络训练得再好，也不一定能够得到一个有效的子网络。因此，我们后面的工作主要集中在缩小优化误差。

04

我们在神经结构搜索方面的代表性工作

1. P-DARTS ( Progressive-DARTS )：缩小搜索和评估之间的差距

① 概览

我们着眼点："优化误差"的一个特例——深度误差

• 观察：搜索过程在浅层架构上执行，但评估过程在深层架构上执行

• 深度误差：浅层架构中的最佳配置不一定适用于深层架构 

• 我们的解决方案：逐步增加搜索深度

• 两种有用的技术：搜索空间近似和搜索空间正则化

在标准图像分类基准上取得了不错的结果：

• 在 CIFAR10/CIFAR100 和 ImageNet 上，大大改进了 DART 以外的功能

• 搜索成本低至 0.3 GPU 天 ( 单 GPU 7小时 )

② 缩小深度差距

上图中，在 DARTS 搜索阶段，堆叠了8个单元；网络应用阶段，堆叠了超过20个单元。这样会带来"深度误差"。即使忽略"深度误差"，训练过程中得到的网络也是8层结构上的最优网络，不是20层结构上的最优网络。而如果直接搜索深层架构 ( 20个单元 )，计算效率又非常低下且不稳定。

基于此，我们的解决方案是：在搜索过程中逐步增加网络深度。

③ 整个流程

使用搜索空间近似法可降低搜索成本：每次增加超级网络深度时，我们都会修剪一部分弱边。

④ 优化技巧

在深层网络上，由于跳连操作对网络的稳定性有较大的影响，因此尽可能保留同样数量的跳连操作。这样的操作，给网络架构带来一个非常强的"先验"，增强网络的稳定性。因此，对搜索空间的选择是非常重要的。

结果 ( 选取 CIFAR10 作为测试集 )：

⑤ 在经典数据集上的表现

相比于 DARTS 方法，NAS 具备更优的性能和更快的搜索效率。

在 CIFAR10 数据集：

• 错误率：P-DARTS 2.55% vs DARTS 2.94%

• 单次搜索资源消耗：NAS 0.3 GPU 天 vs DARTS 4 GPU 天

在 ImageNet 数据集：

• 错误率：NAS 24.4% vs DARTS 26.7%

• 单次搜索资源消耗：P-DARTS 0.3 GPU 天 vs DARTS 4 GPU 天

⑥ 在单元中的搜索架构

与 DARTS 相比，更深入的架构，进而验证了深度差异的存在。

2. PC-DARTS ( Partial Channel )：NAS 正则化与规范化

① 概览 

我们关注"优化差距"的另一个方面——过拟合

• 观察：超级网络可以很容易地拟合训练数据；但是经过修剪，子网不能继承超级网的能力

• "过度拟合问题"：最好的超级网络不一定产生修剪后的最佳子网

我们的解决方案是随机抽取部分超级网络频道，这样处理的一个附带好处可以加快搜索过程。我们在标准图像分类基准上取得了不错的结果：

• 在 CIFAR10 和 ImageNet 上，在 DARTS 基础上产生了很大的改进

• 搜索成本低至0.06 GPU 天 ( 单个 GPU 1.5小时 )

② 总体流程

PC-DARTS 包括两个重要步骤：PC ( PartialConnection ) 和EN ( Edge Normalization，边正则化 )

使用 PC 的方式，训练速度会变慢，但是稳定性会变强；

使用 EN 的方式，用额外的参数进行"选边"，这样会提高"剪枝"操作的稳定性。

③ 在经典数据集上的表现

相比于 DARTS 方法，PC-DARTS 具备更优的性能和更快的搜索效率

在 CIFAR10 数据集：

• 错误率：PC-DARTS 2.57% vs DARTS 2.76%

• 非常快的搜索速度，单次搜索资源消耗：0.06 GPU 天

在 ImageNet 数据集：

• 单次搜索资源消耗：3.8 GPU 天；错误率降至24.2%，比 P-DARTS 错误率更低。

④ 网络消融研究 

边缘规范化提高了搜索稳定性：

• PC-DARTS 的 EN 部分不仅适用于此方法，也适用于其他基于 channnel 的方法

搜索效率和准确性之间存在权衡：

• 大多数情况下，大型数据集需要采集更丰富的信息

⑤ 单元搜索结构

从 CIFAR10 和 ImageNet 中搜索不同的单元格；在 CIFAR10 上的搜索任务，基本上都是并联卷积，很少有串联部分，也获得了很好的性能；而在 ImageNet 搜索任务中，建立的单元格更深。

3. Stabilized-DARTS：缩小稳定优化误差

我们处理数学中的“优化误差”：

• 一个重要的关键在于梯度计算的近似误差。原始的 DARTS 方法，可能会导致梯度方向的错误。

• 为了缩小优化误差，我们对梯度进行了更好的估计，确保每次优化的梯度方向和真实的梯度方向夹角小于90度，缓解了 DARTS 的不稳定特性。

我们的方法在一个非常大的搜索空间中工作，实现了搜索性能的稳定：

4. LA-DARTS：在可区分的 NAS 中引入延迟

我们允许基于 DARTS 的方法进行延迟预测，在保证精度的前提下，PC 端 DARTS 的延迟减少了20%。

5. Scalable-DARTS：扩大因子分解的搜索空间

我们通过分解扩大 channel 的搜索空间：

• 将一个大的算子集分解成几个小的集合

• 搜索空间中的运算符数量增加，但额外成本很少，不稳定风险可控

• 在 CIFAR10 和 ImageNet 的准确性都得到了一致的提高

05

总结和未来展望

1. 总结

① AutoML 是一个新兴的话题，也是人工智能未来的一部分，NAS 是 AutoML 的一个分支，是深度学习的前沿方法。

② NAS 的两个主要选择：离散优化与权重共享优化

• 启发式搜索是保守的，适用于小空间，并且行为稳定

• 可微搜索很有前途，但仍有许多严重问题需要解决

③ 朝向稳定可微搜索：缩小优化差距

• P-DARTS，PC-DARTS，Stabilized DARTS：侧重于搜索策略

• Scalable-DARTS：侧重于扩大搜索空间

• LA-DARTS：侧重于硬件友好性

2. 未来趋势

问题1：哪种搜索策略更好，是离散搜索还是权重共享搜索？

• 离散：大多数用户似乎负担不起计算开销

• 权重分享：稳定性低于满意度，但已取得进展

问题2：基本搜索单元应该是什么，是层还是基本运算符？

• 较小的基本单位意味着较大的搜索空间，这需要搜索稳定性

• 较小的基本单元可能给硬件设计带来挑战

问题3：如何将搜索到的架构应用到现实场景中？

• 硬件：可区分的搜索方法还不适合，比如延迟问题。

• 个人愿景任务：是否共享同一主干？

今天的分享就到这里，谢谢大家。

---

如果您喜欢本文，欢迎点击右上角，把文章分享到朋友圈~~

---

社群推荐：

欢迎加入 DataFunTalk 算法交流群，跟同行零距离交流。如想进群，请加逃课儿同学的微信（微信号：DataFunTalker），回复：算法，逃课儿会自动拉你进群。

文章推荐：

图推荐算法在E&E问题上的应用

在你做推荐系统的过程中都遇到过什么坑？

关于我们：

DataFunTalk 专注于大数据、人工智能技术应用的分享与交流。发起于2017年，在北京、上海、深圳、杭州等城市举办超过100场线下沙龙、论坛及峰会，已邀请近500位专家和学者参与分享。其公众号DataFunTalk累计生产原创文章400+，百万+阅读，5万+精准粉丝。

一个在看，一段时光！👇