ProxylessNAS: Direct Neural Architecture Search on Target Task and Hardware
2019-03-19 16:13:18
Paper：https://openreview.net/forum?id=HylVB3AqYm
Code：https://github.com/MIT-HAN-LAB/ProxylessNAS
1. Background and Motivation:
先来看看算法的名字：ProxylessNAS，将其拆分之后是这么个意思： Proxy（代理）Less（扣除）NAS（神经结构搜索），难么很自然的就可以读懂了：不用代理的神经网络搜索。那么问题来了，什么是代理呢？这就要提到本文的动机：NAS 可以自动设计有效的网络结构，但是由于前期所提出算法计算量太大，难以在大型任务上执行搜索。于是，出现了可微分的NAS，大大的降低了 GPU 的运算时间，但是也有一个需要较大 GPU memory 消耗的问题（grow linearly w.r.t. candidate set size）。所以，这些算法就只能在 proxy task 上，例如在较小的数据集上训练，或者仅用几个 blocks 进行学习，或者仅仅训练几个 epoch。这就可能引出如下的问题，算法在小数据上的搜索出来的模型，可能在 target task 上并不是最优的。所以，本文就提出 ProxylessNAS 来直接在 large-scale target tasks 或者 目标硬件平台上进行结构的学习。
本文作者将 NAS 看做是 path-level pruning process，特别的，我们直接训练一个 over-parameterized network，其包含所有的候选路径（如图 2 所示）。在训练过程中，我们显示的引入结构化参数来学习哪条路径是冗余的，这些冗余的分支在训练的最后，都被移除，以得到一个紧凑的优化结构。通过这种方式，在结构搜索过程中，我们仅仅需要训练一条网络，而不需要任何其他的 meta-controller （or hypernetwork）。
但是简单的将所有的候选路径都包含进来，又会引起 GPU 显存的爆炸，因为显存的消耗是和 选择的个数，呈现线性增长的关系。所以，GPU memory-wise，我们将结构参数进行二值化（1 或者 0），并且强制仅仅有一条路径，在运行时，可以被激活。这样就将显存需求将为了与训练一个紧凑的模型相当的级别。我们提出一种基于 BinaryConnect 的基于梯度的方法来训练二值化参数。此外，为了处理不可微分的硬件目标，如 latency，在特定的硬件上，来学习特定的网络结构。我们将 network latency 建模成连续的函数，并且将其作为正则化损失来进行优化。另外，我们也提出 REINFORCE-based algorithm 作为另外一种策略来处理硬件度量。
2. Method:
作者首先描述了 over-parameterized network 的构建，然后引入如何利用 binarized architecture parameters 来降低显存消耗。然后提出一种基于梯度的方法，来训练这些 binarized architecture parameters。最终，提出两种基础来处理不可微分的目标（e.g. latency），使其可以在特定的硬件上处理特定的神经网络。
2.1 Construction of Over-Parameterized Network:
==