EfficientNetV2：谷歌又来了，最小的模型，最高的准确率，最快的训练速度 | ICML 2021

 论文基于training-aware NAS和模型缩放得到EfficientNetV2系列，性能远优于目前的模型。另外，为了进一步提升训练速度，论文提出progressive learning训练方法，在训练过程中同时增加输入图片尺寸和正则化强度。从实验结果来看，EfficientNetV2的效果非常不错。

来源：晓飞的算法工程笔记 公众号

论文: EfficientNetV2: Smaller Models and Faster Training

• 论文地址：https://arxiv.org/abs/2104.00298
• 论文代码：https://github.com/google/automl/tree/master/efficientnetv2

Introduction

---

 随着模型大小和数据集规模的增加，训练效率成了深度学习中很重要的一环。近期也有越来越多致力于提高训练效率的研究，但很难有兼顾准确率、训练效率和参数规模的网络。

 论文尝试分析了参数高效的EfficientNet的训练瓶颈，主要有三点：1）图片输入尺寸过大会导致训练较慢。2）深度卷积放在网络前部分会较慢。3）对网络所有stage进行同等scaling并不是最优的。基于上面的分析，论文设计了更精简的搜索空间，使用training-aware NAS(neural architecture search)和scaling来同时提高模型准确率、训练效率和参数效率，提出了EfficientNetV2系列网络。
 在训练速度方面，论文通过在训练过程逐步提高输入尺寸来进一步加速训练。先前也有类似的在训练过程逐步增加输入图片尺寸来加速的研究，但这些研究在修改输入图片尺寸的同时没有改变训练设置，导致准确率下降。论文认为，输入图片尺寸不同的网络的容量不同，应该使用不同程度的正则化方法。为此，论文提出了progressive learning，在训练初期使用较小的图片尺寸和较弱的正则化，然后逐步提高图片尺寸和正则化强度，可以做到加速训练又不掉点。
 论文的主要贡献如下：

• 组合training-aware NAS和scaling提出EfficientNetV2系列网络，比之前的网络的规模更小、速度更快。
• 提出progressive learning自适应根据图片尺寸调整正则化强度，加速训练的同时提高准确率。
• 在多个训练集上进行实验，验证训练效率能提高11倍，模型规模能降低6.8倍。

EfficientNetV2 Architecture Design

Review of EfficientNet

 EfficientNet是优化计算量和参数量的系列网络，先通过NAS搜索准确率和速度折中的基线模型EfficientNet-B0，再通过混合缩放策略获得B1-B7模型。

 尽管现在很多研究声称在训练或推理速度上取得很大进步，但他们通常在计算量和参数量上差于EfficientNet，而本文正是想同时提升训练速度和优化模型参数量。

Understanding Training Efficiency

 论文对EfficientNetV1的训练瓶颈进行了分析，发现以下几个主要问题。

• Training with very large image sizes is slow

 输入图片尺寸过大会导致显存占用的显著提高，由于GPU的显存是固定的，导致必须减少batch size和增加迭代次数进行训练，训练也就变慢了。

 如表2所示，较小的尺寸大约能提升2.2倍训练速度，还能小幅提升模型性能。为此，论文参考FixRes的动态增加训练图片尺寸提出更高效的训练方法，在训练过程逐步增加图片尺寸以及正则化强度。

• Depthwise convolutions are slow in early layers but effective in later stages

 EfficientNet的另一个训练瓶颈在于depthwise卷积的使用，depthwise卷积虽然有更少的参数和计算量，但不能使用目前的GPU加速方案。

 最近有研究提出MBConv的替代结构Fused-MBConv，如图2所示，将depthwise conv3x3和conv1x1合并为常规的conv3x3。为了对比两者的性能差异，论文逐步替换stage进行实验。从表3的结果可以看出，恰当地使用Fused-MBConv可以在不带来过多参数量和计算量的前提下提升训练速度。至于如何是恰当，就靠NAS来自动搜索了。

• Equally scaling up every stage is sub-optimal

 EfficientNet使用简单的混合缩放规则相等地放大所有stage，但实际上不同的stage对训练速度和参数量的影响是不同的。为此，论文只放大网络后面的stage，同时减小输入图片尺寸的放大比例。

Training-Aware NAS and Scaling

• NAS Search

 论文跟EfficientNet一样利用MnasNet的多目标神经结构搜索进行网络搜索，调整评价指标同时优化准确率、参数量和训练速度。以EfficientNet作为主干，构造stage-based的搜索空间来对每个stage进行搜索。搜索的选项包括卷积类型{MBConv, Fused-MBConv}、层数、卷积核大小{3x3, 5x5}，block中间的膨胀比例{1, 4, 6}。
 另外，论文也从以下几点减少了搜索空间大小：

• 去掉不必要的搜索选项，比如pooling skip算子，这个没有在EfficientNet用到过。
• 复用主干网络的每个stage的channel数，这部分已经在EfficientNet中搜索过了。

 由于搜索空间精简了，可以直接用强化学习和随机搜索来生成跟EfficientNet-B4差不多大小的网络。论文共采样1000个网络结构，每个训练大概10个周期。搜索的平均指标包含模型准确率$A$、归一化的训练耗时$S$和参数量$P$，使用加权乘积$A\cdot S^w\cdot P^w$进行最终得分计算，其中$w=-0.07$和$v=-0.05$是通过实验确定的平衡超参数。

• EfficientNetV2 Architecture

 EfficientNetV2-S结构如表4所示，Conv后接的数字是膨胀率。对比EfficientNet，主要有以下区别：

• 使用MBConv的同时，在网络前几个阶段也使用了fused-MBConv。
• EfficientNetV2倾向于选择较小的膨胀比例，这样能减少内存访问耗时。
• EfficientNetV2比较喜欢较小的3x3卷积，但会添加更多的层数来弥补减少的感受域。
• 去掉EfficientNet中最后stride-1的stage，可能由于其参数量和计算量太大了。

 这里有一点比较奇怪，上面NAS部分说会复用EfficientNet的通道数来缩小搜索空间，但是看表4的通道数貌似跟EfficientNet没有关系。这要等作者补充更多的NAS细节看看，具体各模型的参数可以去github看看。

• EfficientNetV2 Scaling

 论文通过放大EfficientNetV2-S得到EfficientNetV2-M/L，使用类似于EfficientNet的混合缩放策略来，有以下区别：

• 限制最大的推理图片尺寸为480，节省内存和训练速度消耗。

• 逐步添加更多的层给后面的stage，比如表4中的stage5和stage6，在增加网络容量的同时不会带来过多运行消耗。

• Training Speed Comparison

 图3对比了各网络的训练耗时，其中EfficientNet有原版和训练时缩小30%图片尺寸的版本，缩小版本的输入尺寸跟EfficientNetV2以及NFNet一致。使用相同训练周期和固定图片尺寸进行训练，EfficientNet仅缩小训练尺寸就能得到很大的性能提升，而EffcientNetV2凭借论文提出training-aware NAS和缩放策略，性能远超其它网络。

Progressive Learning

---

• Motivation

 如之前所描述的，图片尺寸对训练效率的影响非常大。除了FixRes，还有很多其他在训练期间动态调整图片尺寸的研究，但这些研究通常都会出现性能下降的情况。论文认为，性能下降的主要原因在于正则化没有匹配动态调整的图片尺寸。较小的输入尺寸应该使用较弱的正则化强度，相反，较大的输入尺寸则应该使用较强的正则化强度。

 为了验证这个猜想，论文将不同输入图片尺寸和不同正则化强度进行组合测试。从表5的结果来看，基本验证了论文的猜想。于是论文提出了progressive learning，在训练过程中根据动态调整的图片尺寸自适应正则化强度。

• Progressive Learning with adaptive Regularization

 论文提出的progressive learning如图4所示，先用较小的图片尺寸和较弱的正则化进行训练，随后逐步增加图片尺寸和正则化强度。

 假设完整的训练共$N$次迭代，目标图片尺寸为$S_e$，目标正则化超参数为 Φ e = { ϕ e k } \Phi_e=\{\phi^k_e\} Φe​={ϕek​}，其中$k$表示其中一种正则化方法，比如dropup比例或mixup比例。将训练分为$M$个阶段，对于每个阶段$1\le i\le M$，模型训练的图片尺寸为$S_i$，正则化超参数为 Φ i = { ϕ i k } \Phi_i=\{\phi^k_i\} Φi​={ϕik​}，最后一个阶段$M$的图片尺寸为$S_e$和正则化超参数为${\Phi }_e$。为了简单化，初始化图片尺寸和正则化超参数为$S_O$和${\Phi }_0$，通过线性插值来决定每个阶段对应参数，整体逻辑如算法1所示。

 论文共使用三种正则化方法：Dropout、RandAugment和Mixup，各网络的参数设置如表6所示。

Experiment

---

 在ImageNet上与其它网络进行对比。

 迁移能力对比。

 相同训练配置下的EfficientNet对比。

 缩小EfficientNetV2的模型大小与对标的EfficientNetV1，对比准确率和速度。

 对比不同网络使用progressive learning的效果。

 对比自适应正则化强度的效果。

Conclusion

---

 论文基于training-aware NAS和模型缩放得到EfficientNetV2系列，性能远优于目前的模型。另外，为了进一步提升训练速度，论文提出progressive learning训练方法，在训练过程中同时增加输入图片尺寸和正则化强度。从实验结果来看，EfficientNetV2的效果非常不错。

 

 
 
 

如果本文对你有帮助，麻烦点个赞或在看呗～
更多内容请关注 微信公众号【晓飞的算法工程笔记】