【Joint Search-and-Training】2020-IJCAI-Beyond Network Pruning a Joint Search-and-Training Approach-论文阅读

Joint Search-and-Training

2020-IJCAI-Beyond Network Pruning a Joint Search-and-Training Approach

来源：ChenBong 博客园

  • Institute：Xidian University
  • Author：Xiaotong Lu，Weisheng Dong*
  • GitHub：/
  • Citation：/

Introduction

提出了一种联合搜索-训练的紧凑网络训练方法，无需使用pre-train model，直接从头开始在backbone网络上搜索-训练紧凑网络。

将backbone网络视为搜索空间，反复搜索、训练不同的子网，将最佳子网取出微调到收敛。


Motivation

传统的剪枝方法：

  • 需要训练一个过度参数化的网络（需要预训练模型），作为剪枝对象
  • 剪枝后需要继承结构和权重

本方法：

  • 把剪枝看做NAS的一个特例
  • 在backbone网络上反复搜索，训练不同的子网

Contribution


Method

Pipeline

image-20200803170224376

图1说明：

在backbone网络T上反复采样子网络，更新子网络的权重，并将子网络的更新map回backbone网络T中，反复多次后，取出最佳子网络fine-tune到收敛。


Fix pruning rate vs. Our method

image-20200803170239585

图2说明：

每个filter对应一个 (alpha) ，类似filter的重要性指标，

fix pruning rate是每一层都使用固定的剪枝率，会导致将有的层的某个filter重要性指标较大，但是因为该层未达到指定剪枝率，而把该filter剪掉；

本文的方法类似全局剪枝：

  • 全局剪枝是将重要性小于阈值的filter剪掉，而且全局的阈值是统一的；
  • 本文的方法是每一层对应一个“阈值”，将每层的卷积核重要性大到小排列，将每个卷积核的重要性从头开始逐一累加，当累加到大于该层的“阈值”时停止，此时保留的卷积核即已经累加的卷积核。

ThresNet-每层阈值的计算

image-20200803171321356

(eta=Phileft(alpha ight) qquad(2))

公式（2）说明：

  • (Phi) 表示 ThresNet 的参数
  • (alpha) 表示 backbone网络的结构参数（weights）
  • (eta) 表示 backbone网络的各层阈值

图3说明：

训练一个代理网络ThresNet，作用是根据backbone网络的不同状态（不同时刻，backbone网络的 (alpha) 不同），计算该状态下backbone网络的各层filter的阈值 (eta^{l}) 。

  • 网络输出：各层的阈值 (eta) （e.g. T为16层，则输出为16维的向量）；

    输出是维度是固定的（e.g. 长度=16的向量）

  • 网络输入：各层的结构参数 (alpha)（weights）；

    但输入的维度是不固定的（输入是16个向量，每个向量的长度=对应层的通道数），如一个backbone网络共有3种通道数（如16/32/64），那么输入的一组向量有的是16维，有的是32维，有的是64维，ThresNet网络分为2部分，第一部分就设置3个全连接网络，接收这3种不同维度的向量，将维度都统一到128；第二部分（应该）也是一个全连接网络，输入为3个128维的向量，输出为1个向量（e.g. 16维的向量，代表backbone网络16层每层的阈值）

  • ThresNet 使用强化学习进行训练，是在搜索-训练的过程中逐渐训练的，因此ThresNet也会随着 搜索-训练 的进行，而不断更新ThresNet的网络权重 (Phi)

&& 为什么不能直接将 (alpha) 展开成一维向量？同一个backbone网络，展开后的长度（即filter数量）应该也是固定的吧？


(left.R=-left(l_{a v g}+gamma imes operatorname{param}(S) ight) ight) qquad (3))

公式（3）说明：

R为训练ThresNet的奖励Reward


( abla_{Phi} J(Phi) approx frac{1}{K} sum_{k=1}^{K} sum_{l=1}^{L} R_{k} abla_{Phi} log pi_{Phi}left(eta^{l} mid alpha^{l} ight) qquad (4))

公式（4）说明：

&& 强化学习更新ThresNet的网络权重 (Phi)

&& 应该是训练完 ThresNet 再进行 搜索-训练


算法细节

image-20200803181007793

A2.s1 初始化 backbone 网络

(mathbb{O}^{l}=operatorname{Concat}left(mathbb{I}^{l} * W_{1}^{l}, mathbb{I}^{l} * W_{2}^{l}, cdots, mathbb{I}^{l} * W_{mathbb{C}_{l}}^{l} ight) qquad (5))

公式（5）说明：

  • (mathbb{I}^{l}) 表示第 l 层的输入feature map
  • (W^l_c) 表示第 l 层的第 c 个filter
  • *代表卷积操作

(mathbb{O}^{l}=operatorname{Concat}left(mathbb{I}^{l} * hat{alpha}_{1}^{l} W_{1}^{l}, mathbb{I}^{l} * hat{alpha}_{2}^{l} W_{2}^{l}, cdots, mathbb{I}^{l} * hat{alpha}_{C_{l}}^{l} W_{C_{l}}^{l} ight) qquad s.t. hat{alpha}_{c}^{l}=frac{exp left(alpha_{c}^{l} ight)}{sum_{k=1}^{C_{l}} exp left(alpha_{k}^{l} ight)} qquad(6))

公式（6）说明：

  • 引入结构参数(alpha)，(alpha_c^l) 对应第 l 层第c个filter
  • (hat{alpha}) 代表softmax后的 (alpha)

kaiming normal 初始化网络T的权重W（parameter）和结构参数 (alpha)（weight）

image-20200803181007793

A2.s3 粗训练 backbone 网络

(egin{aligned} ell_{ ext {coarse}}=& ext {CrossEntropyLoss}left(y_{i}, mathcal{T}left(x_{i}, Omega, alpha ight) ight) +lambda|alpha|_{2} end{aligned} qquad(1))

公式（1）说明：

  • T是大网络（搜索空间）
  • (Omega) 是网络权重（parameter），即上面的W
  • (alpha) 是结构参数
  • (lambda) 是超参

使用以上的loss粗训练网络100个epochs（for cifar），或40个epochs（for ImageNet）


A2.s4~s12 反复搜索（采样）与训练子网络

image-20200803181007793
A2.s5 采样子网络

重复采样T个子网络，实验中（T=30 for cifar，T=20 for ImageNet）

采样是逐层地采样，每一层都采样完即可组成一个子网络。

image-20200803165326149

算法1说明：

  • 输入：l 层的 (alpha^l) 和 filter (W_{1,2, ldots, mathrm{C}_{l}}^{l}) ，(C_l) 是 l 层的通道数
  • 输出：子网络filter的结构参数：(p^{l}) ，子网络的 filter (W_{1,2, ldots, F_{l}}^{l})
  • 步骤：
    • A1.s1 给 (alpha^l) 添加随机扰动，扰动后的结构参数记为 (n^l)
    • A1.s2计算 (n^l) 的softmax，记为 (hat{n}^l)
    • A1.s3 使用ThresNet 计算 l 层的阈值 (th^{l})
    • A1.s4~s5 将 l 层的卷积核按 (hat{n}^l) 的大小逐一累加，直到累加和大于阈值 (th^{l}) 停止，此时累加的个数为c
    • A1.s6 取向量 (alpha^l) （ (C_l) 维）的前c个元素，组成新向量 (p^{l}) （c维）
    • A1.s7 保留前c个filter

每一层都采样完即可组成一个子网络。


image-20200803181007793
A2.s6~s11 训练子网络

子网络有2组参数，一组是网络权重 (Theta) ，一组是结构参数 (alpha)

在 (mathbb{D}_{ ext {train}}) 上训练M个（实验中M=10 for ImageNet）epochs，更新网络权重 (Theta) ：

(Theta=underset{Theta}{operatorname{argmin}} sum_{i=1}^{mathbb{B}_{t}} ell_{operatorname{train}}left(y_{i}, mathcal{S}left(x_{i}, Theta, p ight) ight) qquad (8))

在 (mathbb{D}_{ ext {valid}}) 上训练N个（实验中N=2 for ImageNet）epochs，更新结构参数 (alpha) :

(p=underset{p}{operatorname{argmin}} sum_{i=1}^{mathbb{B}_{v}} ell_{v a l}left(y_{i}, mathcal{S}left(x_{i}, Theta, p ight) ight) qquad (9))


image-20200803181007793

A2.s13 取出最佳子网fine-tune到收敛

训练到收敛，没有说具体的epochs


Experiments

CIFAR-10

image-20200803193219534


CIFAR-100

image-20200803193240867


ImageNet

image-20200803193258930


Conclusion


Summary

  • 对比的都是比较早的文章？
  • 给每个filter赋予一个结构参数（表征该filter的重要性），不断从backbone网络中抽样（保留最重要的前k个filter）子网进行训练，迭代更新网络权重和结构参数（每个
  • 方法看起来很复杂，比如：
    • 在大网络中选取子网络不是用直观的概率抽样（nas中），也不是用全局的统一阈值（全局剪枝），而是用一个代理全连接网络 ThresNet 来预测每一层的阈值（这个阈值又不是直接小于阈值filter删除，而是累加最大的k个，直到达到阈值）
    • 使用全连接网络预测每一层的阈值，应该可以直接展开成一维，却要使用多级全连接层；还有sampler加的一些随机扰动等等，感觉为了复杂而复杂，不够简洁
  • 核心就是类似one-shot的在超网中抽样子网进行训练
  • 暂时没有开源

Reference


【推广】 免费学中医，健康全家人
原文地址：https://www.cnblogs.com/chenbong/p/13441485.html