<mark id="oztn4"></mark>
0
| 本文作者： 我在思考中 | 2021-10-29 09:36 |
來自圭爾夫大學的論文一作 Boris Knyazev 介紹道，該元模型可以預測 ResNet-50 的所有2400萬個參數，并且這個 ResNet-50 將在 CIFAR-10 上達到 將近60%的準確率，無需任何訓練。特別是，該模型適用于幾乎任何神經網絡。
基于這個結果，作者向我們發出了靈魂之問：以后還需要 SGD 或 Adam 來訓練神經網絡嗎？
“我們離用單一元模型取代手工設計的優化器又近了一步，該元模型可以在一次前向傳播中預測幾乎任何神經網絡的參數。”
令人驚訝的是，這個元模型在訓練時，沒有接收過任何類似 ResNet-50 的網絡（作為訓練數據）。
該元模型的適用性非常廣，不僅是ResNet-50，它還可以預測 ResNet-101、ResNet-152、Wide-ResNets、Visual Transformers 的所有參數，“應有盡有”。不止是CIFAR-10，就連在ImageNet這樣更大規模的數據集上，它也能帶來不錯的效果。
同時，效率方面也很不錯。該元模型可以在平均不到 1 秒的時間內預測給定網絡的所有參數，即使在 CPU 上，它的表現也是如此迅猛！
但天底下終究“沒有免費的午餐”，因此當該元模型預測其它不同類型的架構時，預測的參數不會很準確（有時可能是隨機的）。一般來說，離訓練分布越遠（見圖中的綠框），預測的結果就越差。
但是，即使使用預測參數的網絡分類準確率很差，也不要失望。
我們仍然可以將其作為具有良好初始化參數的模型，而不需要像過去那樣，使用隨機初始化，“我們可以在這種遷移學習中受益，尤其是在少樣本學習任務中。”
作者還表示，“作為圖神經網絡的粉絲”，他們特地選用了GNN作為元模型。該模型是基于 Chris Zhang、Mengye Ren 和 Raquel Urtasun發表的ICLR 2019論文“Graph HyperNetworks for Neural Architecture Search”GHN提出的。
論文地址：https://arxiv.org/abs/1810.05749
在他們的基礎上，作者開發并訓練了一個新的模型 GHN-2，它具有更好的泛化能力。
簡而言之，在多個架構上更新 GHN 參數，并正確歸一化預測參數、改善圖中的遠程交互以及改善收斂性至關重要。
為了訓練 GHN-2，作者引入了一個神經架構數據集——DeepNets-1M。
這個數據集分為訓練集、驗證集和測試集三個部分。此外，他們還使用更廣、更深、更密集和無歸一化網絡來進行分布外測試。
作者補充道，DeepNets-1M 可以作為一個很好的測試平臺，用于對不同的圖神經網絡 (GNN) 進行基準測試。“使用我們的 PyTorch 代碼，插入任何 GNN（而不是我們的 Gated GNN ）應該都很簡單。”
除了解決參數預測任務和用于網絡初始化之外， GHN-2 還可用于神經架構搜索，“GHN-2可以搜索最準確、最魯棒（就高斯噪聲而言）、最有效和最容易訓練的網絡。”
這篇論文已經發表在了NeurIPS 2021上，研究人員分別來自圭爾夫大學、多倫多大學向量人工智能研究所、CIFAR、FAIR和麥吉爾大學。
論文地址：https://arxiv.org/pdf/2110.13100.pdf
項目也已經開源，趕緊去膜拜這個神經網絡優化器吧！
項目地址：https://github.com/facebookresearch/ppuda
考慮在大型標注數據集（如ImageNet）上訓練深度神經網絡的問題， 這個問題可以形式化為對給定的神經網絡 a 尋找最優參數w。
損失函數通常通過迭代優化算法（如SGD和Adam）來最小化，這些算法收斂于架構 a 的性能參數w_p。
盡管在提高訓練速度和收斂性方面取得了進展，但w_p的獲取仍然是大規模機器學習管道中的一個瓶頸。
例如，在 ImageNet 上訓練 ResNet-50 可能需要花費相當多的 GPU 時間。
隨著網絡規模的不斷增長，以及重復訓練網絡的必要性（如超參數或架構搜索）的存在，獲得 w_p 的過程在計算上變得不可持續。
而對于一個新的參數預測任務，在優化新架構 a 的參數時，典型的優化器會忽略過去通過優化其他網絡獲得的經驗。
然而，利用過去的經驗可能是減少對迭代優化依賴的關鍵，從而減少高計算需求。
為了朝著這個方向前進，研究人員提出了一項新任務，即使用超網絡 HD 的單次前向傳播迭代優化。
為了解決這一任務，HD 會利用過去優化其他網絡的知識。
例如，我們考慮 CIFAR-10 和 ImageNet 圖像分類數據集 D，其中測試集性能是測試圖像的分類準確率。
讓 HD 知道如何優化其他網絡的一個簡單方法是，在[架構,參數]對的大型訓練集上對其進行訓練，然而，這個過程的難度令人望而卻步。
因此，研究人員遵循元學習中常見的雙層優化范式，即不需要迭代 M 個任務，而是在單個任務（比如圖像分類）上迭代 M 個訓練架構。
圖 0：GHN原始架構概覽。A：隨機采樣一個神經網絡架構，生成一個GHN。B：經過圖傳播后，GHN 中的每個節點都會生成自己的權重參數。C：通過訓練GHN，最小化帶有生成權重的采樣網絡的訓練損失。根據生成網絡的性能進行排序。來源：https://arxiv.org/abs/1810.05749
通過優化，超網絡 HD 逐漸獲得了如何預測訓練架構的性能參數的知識，然后它可以在測試時利用這些知識。
為此，需要設計架構空間 F 和 HD。
對于 F，研究人員基于已有的神經架構設計空間，我們以兩種方式對其進行了擴展：對不同架構進行采樣的能力和包括多種架構的擴展設計空間，例如 ResNets 和 Visual Transformers。
這樣的架構可以以計算圖的形式完整描述（圖 1）。
因此，為了設計超網絡 HD，將依賴于圖結構數據機器學習的最新進展。
特別是，研究人員的方案建立在 Graph HyperNetworks (GHNs) 方法的基礎上。
通過設計多樣化的架構空間 F 和改進 GHN，GHN-2在 CIFAR-10和 ImageNet上預測未見過架構時，圖像識別準確率分別提高到77% (top-1)和48% (top-5)。
令人驚訝的是，GHN-2 顯示出良好的分布外泛化，比如對于相比訓練集中更大和更深的架構，它也能預測出良好的參數。
例如，GHN-2可以在不到1秒的時間內在 GPU 或 CPU 上預測 ResNet-50 的所有 2400 萬個參數，在 CIFAR-10 上達到約 60%的準確率，無需任何梯度更新（圖 1，（b））。
總的來說，該框架和結果為訓練網絡開辟了一條新的、更有效的范式。
本論文的貢獻如下：
（a）引入了使用單個超網絡前向傳播預測不同前饋神經網絡的性能參數的新任務；
（b）引入了 DEEPNETS-1M數據集，這是一個標準化的基準測試，具有分布內和分布外數據，用于跟蹤任務的進展；
（c）定義了幾個基線，并提出了 GHN-2 模型，該模型在 CIFAR-10 和 ImageNet（ 5.1 節）上表現出奇的好；
（d）該元模型學習了神經網絡架構的良好表示，并且對于初始化神經網絡是有用的。
上圖圖1（a）展示了GHN 模型概述（詳見第 4 節），基于給定圖像數據集和DEEPNETS-1M架構數據集，通過反向傳播來訓練GHN模型，以預測圖像分類模型的參數。
研究人員對 vanilla GHN 的主要改進包括Meta-batching、Virtual edges、Parameter normalization等。
其中，Meta-batching僅在訓練 GHN 時使用，而Virtual edges、Parameter normalization用于訓練和測試時。a1 的可視化計算圖如表 1 所示。
圖1（b）比較了由 GHN 預測ResNet-50 的所有參數的分類準確率與使用 SGD 訓練其參數時的分類準確率。盡管自動化預測參數得到的網絡準確率仍遠遠低于人工訓練的網絡，但可以作為不錯的初始化手段。
盡管 GHN-2 從未觀察過測試架構，但 GHN-2 為它們預測了良好的參數，使測試網絡在兩個圖像數據集上的表現都出奇的好（表 3 和表 4）。
表 3：GHN-2在DEEPNETS-1M 的未見過 ID 和 OOD 架構的預測參數結果（CIFAR-10 ）
GHN-2甚至在 ImageNet 上展示了良好的結果，其中對于某些架構，實現了高達 48.3% 的top-5準確率。
雖然這些結果對于直接下游應用來說很不夠，但由于三個主要原因，它們非常有意義。
首先，不依賴于通過 SGD 訓練架構 F 的昂貴得令人望而卻步的過程。
其次，GHN 依靠單次前向傳播來預測所有參數。
第三，這些結果是針對未見過的架構獲得的，包括 OOD 架構。即使在嚴重的分布變化（例如 ResNet-506 ）和代表性不足的網絡（例如 ViT7 ）的情況下，GHN-2仍然可以預測比隨機參數表現更好的參數。
在 CIFAR-10 上，GHN-2 的泛化能力特別強，在 ResNet-50 上的準確率為 58.6%。
在這兩個圖像數據集上，GHN-2 在 DEEPNETS-1M 的所有測試子集上都顯著優于 GHN-1，在某些情況下絕對增益超過 20%，例如BN-FREE 網絡上的 36.8% 與 13.7%（表 3）。
利用計算圖的結構是 GHN 的一個關鍵特性，當用 MLP 替換 GHN-2 的 GatedGNN 時，在 ID（甚至在 OOD）架構上的準確率從 66.9% 下降到 42.2%。
與迭代優化方法相比，GHN-2 預測參數的準確率分別與 CIFAR-10 和 ImageNet 上 SGD 的 ～2500 次和 ～5000 次迭代相近。
相比之下，GHN-1 的性能分別與僅 ~500 次和 ~2000次（未在表 4 中展示）迭代相似。
消融實驗（表 5）表明第 4 節中提出的所有三個組件都很重要。
表 5：在 CIFAR-10 上消融 GHN-2，在所有 ID 和 OOD 測試架構中計算模型的平均排名
雷鋒網
