AutoML-Zero: 从头开始的机器学习算法进化

兴趣所致，关注了一些AutoML的知识，主要是AutoML中的网络结构搜索的部分，特记录下来希望能形成体系。以下是要写的文章列表。

• 强化学习与网络结构搜索(一)

• 强化学习与网络结构搜索(二)

• 强化学习与网络结构搜索(三)

• 遗传算法与网络结构搜索

• Darts可微结构搜索

• ENAS：基于参数共享的网络结构搜索

• AutoML-Zero: 从头开始的机器学习进化(本篇)

• 更多待续

Overall

在前面，我们介绍了很多种AutoML方法，它们都有一个共性，那就是它们的搜索空间是基于已有的经验去设计的，里面的模块都是经过验证的行之有效的方法。因而，这样做虽然能达到较好的效果，但是却有如下缺点:

• 过度依赖人为设计的组件使得搜索的结果有偏差，降低了AutoML的创造能力。

• 受限的搜索空间需要精心调制，增大了研究者的负担，没有真正达到AutoML的效果。

为了解决这个问题，AutoML-Zero应运而生，其目的在于用尽可能少的人为参与来进行更加完全的AutoML。换句话说，相对于其他已经介绍的算法来说，AutoML-zero可以在更少人工参与条件下，可以去搜索整个算法（模型结构，初始化，优化方法等），甚至允许发现非神经网络的算法。

为了达成上述目标，在搜索空间上，只能采用一些比较基础的数学操作，搜索空间也将会比原来的方法要大得多。因而，使用Random Search已经无法在这个搜索问题上找到合理的答案。而使用 遗传算法与网络结构搜索 中的进化方法能达到不错的效果。

这点跟之前的几篇文章不同，在之前的文章中，由于Search Space是精心调制的，使用RS往往也能达到不错的效果，使用更高级的方法只是更快更好。

实验表明，AutoML-Zero能够发现梯度下降、multiplicative interactions，梯度归一化，权重平均，dropout， 学习率衰减等神经网络中的基础操作，是行之有效的方法。

当然，AutoML-zero这篇论文所解决的问题比较简单，也没有在什么流行的数据集上获得SOTA的效果，但我感觉，这是一种趋势，在之前读AutoML相关论文的时候，觉得这些方法根本无法替代 炼丹师 ，而这篇，让我看到了完全替代的希望。

需要解决的任务

给定一个任务集合T，AutoML-zero算法将会在它的一个子集T Search 上进行模型的搜索，在搜索完成之后，在另一个子集T Select 上进行模型的评估。

更具体的，任务集合T是由在Cifar10的十类数据中随机抽取两类做二分类的子任务组成的，一共十类，所有有45种两类的组合。cifar10的图像都是32x32x3=3072维的，比较大，为了进一步简化任务，使用随机矩阵对这个维度降维，降维到8<=F<=256。对每个两类组合，生成100个随机转换的任务，这样，一共就是4500个任务。

当然，在找到最佳算法后，还会在未转换的数据上进行验证。为了证明算法不是只针对cifar10的，除了cifar10外，还有在其他数据集例如SVNH、ImageNet、Fashion MNIST上进行进一步的验证。

搜索空间

在AutoML-zero中，把算法表达成了计算机程序，在一块存储着多个变量(例如，s1, v1, m1分别代表1个scalar，1个vector，1个矩阵)的虚拟内存上进行各种操作。

这里为了简化，操作只用高中学过的op。

一些操作的例子如下:

1. 读取s1处的常量和v1处的向量

2. 将它们相乘

3. 得到的结果写入v2

允许的操作有65个，如下图（就是个列表，大概看下不用细看）

受监督学习的启发，将算法表达为三个部分，称之为component function: Setup, Predict, Learn, 一个例子如下图所示:

其中Learn阶段可以看到Label，Predict阶段看不到，搜索开始时，会将数据放在v0，label放在s0内存上。这三个阶段都需要搜索。

整个算法流程如下，看起来很直接，就是监督学习的流程，先训练，在验证。在验证的时候，得到predict的结果后，会执行一个Normalize操作来获得概率，这里是一个预先定义好的操作: sigmoid或者softmax。内存会在三个阶段上共享和持续化。在D个任务上的结果的均值会被当做搜索到的算法的能力。

搜索算法

使用age正则化的遗传算法进行搜索。如下图，维护一个population的方法：

1. 最老的结果被删除，得到T个结果

2. 从T个结果中随机选择P个，在P个结果中找到最好的

3. 进行变异

4. 得到新的集合。以此类推。

其中变异的方法有如下几种，如下图:

• i. 在一个component function里的一个随机位置上，插入一个或者删除一个操作。

• ii. 随机化一个component里的所有指令

• iii. 改变一个指令的参数。

为了进行搜索算法的加速，采用了如下几种手段：

1. 引入了一种效能等价检查的机制，即functional equivalence checking，这种方法可以检测出等价的算法，从而不用做多余的训练和验证。检测的方法则如下:

• 将一个算法训练10次，然后在一个固定的验证集上运行10步，得到的预测值去做哈希，然后存储下来，后面的算法如果哈希值相同，则认为是相同的算法，那么则使用内存中的评估结果。

• 注意，尽管两个算法可能结果相同，但并不丢弃某个，因为它们的变异结果可能不同。

• 这个方法加速4倍

1. 跟之前的遗传算法类似，添加Hurdles，带来5倍加速

2. 分布式，每个节点单独搜索，在一定步数后，将结果聚合，然后再选择最好的一些分发下去，各个节点再单独开始搜索。

3. 为了提高结果，除了cifar10外，还引入了MNIST任务，这样可以提高在最后的模型在cifar10上的效果。

实验结果

先从简单的任务开始，来证明遗传算法比随机搜索算法的优势。

第一个任务：回归任务，固定一个向量u和实数a，随机生成8维向量x，然后用函数L(x) = ux + a得到向量x对应的值。当a=0的时候，就是线性问题，a不等于0的时候，就是仿射问题。评估则使用平方差函数。

为了进一步简化问题，减少了指令的数目；并且控制指令代码的长度。比如，因为线性回归的梯度下降只需要四个指令，所以把指令集控制在四个。又比如，插入、删除指令是不允许的，因为这样会改变长度。

为了衡量不同的搜索算法，采用了一个指标: 那就是经过多少次搜索能找到高于一个阈值的算法。比如，对线性回归这个case，用基于梯度下降的回归算法来做baseline，超过这个算法的模型可以认为是一个成功的算法。那么用Random Search需要搜索10^7个算法才可以。而使用遗传算法则是RS算法的5倍。

从下图可以看出，问题越难，遗传算法相对于RS的优势越大。下图中的纵坐标是遗传算法成功率和随机算法成功率的比值。

当我们把问题扩展到非线性时，使用RS已经无法发现成功的算法了。比如下面这个任务。

对上一个任务进行修改：

将L函数由线性变换变成非线性变化L(x)=u x Relu(Mx), M是一个随机的8x8矩阵，u是一个随机向量。Search space的改动则是将2层全连接网络所需要的操作也加入进来。

在这个任务上，RS已经不能找到好算法了。但是遗传算法还可以。当T Search 中只有一个任务时，遗传算法会找到M矩阵和u向量的具体的值。而当T Search 有多个任务时，比如100个任务，每个任务有不同的M和u的值，此时，遗传搜索就不能只找具体值了，此时，令人颇感震惊的事情发生了，遗传搜索得到了梯度下降算法。如下:

接下来正主任务上场，就是我们在上面的 需要解决的任务 一节中描述的任务。搜索空间也变大到我们在 搜索空间 一节中描述的那样。

下图反应了整个搜索过程，从左下角的空算法开始，一步一步找到各种技术。最终的算法代码经过整理后也列在了图中。

最终的算法中有一些对最后效果很重要的特性：

• 噪音被加入到了输入上。

• Multiplicative interactions: o = a T Wb

• 梯度归一化技术。

• 在inference上的权重W ' 是训练中每一步权重的总和。

接下来，尝试一下搜索算法能不能解决一些特殊情况：

• 较少的训练样本数。训练样本只要80个，训练步数100epoch。

• 较少的训练迭代次数，算法只允许训练10个epoch，每个epoch 800样本。

• 10类而不是两类。

而发现的方法则如下，也如下图

• 对于较少的样本数目，学习到了通过noisy Relu进行数据增强，而且重复30次试验这个操作都会出现。

• 对于较少的迭代次数，搜索算法会发现学习率衰减这一操作。

• 对于多类问题，搜索到的算法会使用变换后的参数矩阵的平均来作为学习率。

总结

本文的主题是要介绍一种基于遗传的搜索算法，在这个只有基础操作的搜索空间里，提出了四种方法来加速：

• 并行

• FEC来避免重复结果的多余计算

• 增加其他任务来增大多样性

• hurdles

不同技术加进来得到的模型的效果如下：

在未来努力的方向:

• 可以继续增大搜索空间

• 同时还需要在生成的算法的解释上花费很多努力。比如，很多操作互相影响，需要解耦来找到真正有用的。

读到这个论文之后，感觉眼前一亮，让我看到一丝丝AutoML终能成大事的感觉，如果真的能成，就是在AI界的降维打击。

参考文献

• [1]. Real, Esteban, et al. "Automl-zero: Evolving machine learning algorithms from scratch." arXiv preprint arXiv:2003.03384 (2020).

由于微信平台算法改版，公号内容将不再以时间排序展示，如果大家想第一时间看到我们的推送，强烈建议星标我们和给我们多点点【在看】。 星标具体步骤为：

进群请添加AINLP小助手微信 AINLPer（id: ainlper)，备注 NLP技术交流

推荐阅读

这个NLP工具，玩得根本停不下来

征稿启示| 200元稿费+5000DBC（价值20个小时GPU算力）

完结撒花！李宏毅老师深度学习与人类语言处理课程视频及课件（附下载）

从数据到模型，你可能需要1篇详实的pytorch踩坑指南

如何让Bert在finetune小数据集时更“稳”一点

模型压缩实践系列之——bert-of-theseus，一个非常亲民的bert压缩方法

文本自动摘要任务的“不完全”心得总结番外篇——submodular函数优化

Node2Vec 论文+代码笔记

模型压缩实践收尾篇——模型蒸馏以及其他一些技巧实践小结

中文命名实体识别工具（NER）哪家强？

学自然语言处理，其实更应该学好英语

斯坦福大学NLP组Python深度学习自然语言处理工具Stanza试用

关于AINLP

AINLP 是一个有趣有AI的自然语言处理社区，专注于 AI、NLP、机器学习、深度学习、推荐算法等相关技术的分享，主题包括文本摘要、智能问答、聊天机器人、机器翻译、自动生成、知识图谱、预训练模型、推荐系统、计算广告、招聘信息、求职经验分享等，欢迎关注！加技术交流群请添加AINLPer(id：ainlper)，备注工作/研究方向+加群目的。

阅读至此了，分享、点赞、在看三选一吧:pray: