好快好强 | GPU端精度最高、速度最快的Backbone模型担当GENet

标题&作者团队

【Happy导语】该文是阿里巴巴提出了一种GPU端高效&高精度网路架构设计新方案。不同于之前的MobileNet、EfficientNet以及RegNet等网络采用相同的模块构建整个网络，该文对不同阶段的模块进行分析并得出这样的结论：在网络的low-level阶段采用BasicBlock，而在high-level阶段采用Bottleneck/InvertedResidualBlock可以最大化的利用GPU并得到更快的推理速度与模型精度(精度高达81.3%且速度超快)。Happy建议对网络架构有兴趣的朋友可以仔细看一下原文，文末附论文下载链接。

Abstract

在工业界大多算法均是基于GPU进行推理，这就要求AI算法不仅应当具有高识别率，同时还要具有更低的推理延迟。尽管已有诸多研究尝试优化深度模型的架构以进行更有效的推理，然而它们并未充分利用现代GPU的架构进行快速推理，从而导致了次优性能。

为解决上述问题，作者在大量实验研究的基础上提出了一种GPU端高效网络设计的通用范式，该设计范式促使作者仅需要采用简单而轻量的NAS方法即可得到高效且高精度的GPU端网络架构。基于所设计的网络架构设计范式，作者提出了一类GPU端高效的网络，称之为GENet。

作者在多个GPU平台与推理引擎下对所得到的网络进行了充分的评估，所提方法不仅在ImageNet上取得了不低于81.3%的top1精度，而且在GPU端比EfficientNet快6.4倍。与此同时，所提方法同样优于其他效率高于EfficientNet的SOTA方法。

该文的主要贡献有如下：

• 提出一种新颖的GPU端高效网络架构设计空间；
• 基于所设计网络架构范式，提出一种轻量而高效LLR-NAS(Local-Linear Regression NAS)方法进行GPU端高效网络架构搜索；
• 所得到的GENet不仅具有媲美EfficientNet的高精度，而且具有更快的推理速度。

Network Design Space

在这部分内容中，我们将主要介绍一下如何一步步得到所提网络架构设计空间。首先介绍一下主流网络中常用的三种基本模块，然后对其推理速度进行了分析，最后基于实验分析得出网络架构设计空间范式。

Basic Block and MasterNet Backbone

image-20200627164927617

上图a给出了目前网络架构设计中的主流架构(ResNet、ResNeSt、EfficientNet、RegNet、MobileNet等等均采用了类似的架构体系)形态，这也是该文的架构形态。

作者将该架构形态称之为MasterNet，它的每个阶段称之为Super-Block，每个Super-Block由同类型的多个BasicBlock构成，每个BasicBlock由深度、宽度以及stride等参数进行描述。一般而言，Super-Block的第一个模块采用stride=2进行特征下采样，后续模块采用stride=1的模式。而MasterNet的第一层是一个stride=2的stem模块；MasterNet的最后为GAPHead模块(它包含一个全局均值池化与一个全连接层，用于分类)。现有研究已经证实：上述网络架构形态足以得到GPU端的高性能低延迟的网络架构。而不同网络架构的关键区别在于BasicBlock的差异。而这也是本文的关注重点。

在BasicBlock方面，作者考虑了三种类型的模块(见上图b)，分别如下：

• XX-Block(ResNet18、ResNet34中的基本模块)；
• BL-Block(ResNet50、ResNet101中的基本模块)；
• DW-Block(MobileNetv2的基本模块)。

上图c则给出了上述模块嵌入到残差模块中的示意图以及stride=2时的模块示意图。

GPU Inference Latency

作者对上述三个模块在GPU端的推理速度进行可控实验分析，所有耗时实验均重复30次，剔除10最低与最高后进行平均统计。作者在NVIDIA V100硬件平台下采用FP16精度和分辨率进行实验。不同角度的实验分析如下。

• BatchSize。下图a给出l不同BatchSize下ResNet50、ResNet152、MobileNetV2、EfficientNet-B0的推理延迟。从图中可以看到：推理延迟并非常数，会随BatchSize而变化，这是因为大的BatchSize允许GPU进行并行计算从而更高效。因此，在进行推理延迟对比时必须制定BatchSize，在该文中作者默认设置BatchSize=64。事实上，这种推理耗时更符合实际需求，我们一般评价一个模型的速度看到是其吞吐量(一块GPU倍充分利用时每秒钟能处理多少张图片)，而非一个样例的一次推理。

image-20200627171050232

• FLOPs & Model Size。FLOPs是一种“流行”的用来评价模型效率的准则。但是“FLOPs低不等于效率高”，上图也说明了这一点。尽管EfficientNet号称具有非常低的FLOPs，但它的推理速度反而慢。同时，推理速度也不与模型参数量存在线性关系。这一点其实在ShuffleNetV2、RegNet、OFANet等方法中均有阐述，感兴趣的可以去看一下相关论文。

• BasicBlocks。这里将对前面所提到的三种模块进行分析研究。在实验设计中，基于XX-Block的网络包含5个XX-Block，而BL-Block与DW-Block的网络则包含10个模块。推理速度见下图，从图中可以看到：(1)DW-Block的推理速度要快于BB-Block；(2)当r=1时，BL-Block的推理速度要比XX-Block更慢(这个很正常，两个r=1的BL-Block明显比XX-Block大)。仅仅从上图a和b出发，可能采用BL-Block或者DW-Block更为合理(这也是ResNet与EfficientNet的设计范式)。

image-20200627172032376

• Model Capacity。作者认为除了上述分析外，还有另外一个维度需要考虑，那就是Model Capacity，它将影响模型的拟合能力。关于Model Capacity的一个简单度量准则是模型参数量。实验分析见上图c和d，从中可以看到：在相同Model Capacity下，XX-Block事实上非常高效。从某种角度来讲，BL-Block与DW-Block是XX-Block的低秩近似。但BL-Block与DW-Block接近满秩近似时，相应模块实际上是低效的。也就是说：BL/DW-Block是否比XX-Block更高效依赖于网络的特定层是否倾向于低秩架构。

Intrinsic Rank of Convolutional Layers

受启发于上述分析，作者尝试对不同阶段的卷积进行分析。主要针对ResNet18和ResNet34两个网络进行了分析，因ResNet50等更深网路采用的BL-Block故而被排出在外。第三个网络是作者手动设计的网络，称之为ProfilingNet132.三个网络均在ImageNet数据集上训练360epoch。

下图给出了不同阶段最后一个卷积核的奇异值分布，注：奇异值进行了归一化处理。从图中可以看出：high-level的奇异值衰减的更快，这也就意味着：应当在网络的low-level阶段采用XX-Block，而在网络的high-level阶段采用BL/DW-Block以最大化GPU推理效率。

image-20200627173905240

GPU-Efficient Networks

前述实验给出了本文的核心：GPU端高效网络设计范式。作者基于该先验信息设计GPU端高效网络。作者首先采用手动方式设计MasterNet，然后将其作为LLR-NAS的初始网络并进行优化。

Design MasterNet

为得到一个好的初始化架构，作者设计了20个网络。所有网络均具有0.34ms推理延迟(注：BatchSize=64，这也是ResNet50、EfficientNet的推理延迟)。作者在ImageNet上分别对这20个网络训练120epoch。对于BL-Block，作者固定;对于DW-Block，作者固定。实验结果见下表，注：这里仅提供了4个最佳。

image-20200627183806295

注：上表第一列表示网络ID，第二列表示模块类型(C表示常规卷、X表示XX-Block，B表示BL-Block，D表示DW-Block)，第三列表示不同阶段的模块数，第四列表示不同阶段的通道数，第五列表示不同阶段的stride信息，最后一列表示模型的精度。表中结果验证了前述分析结论，最佳的模型均为low-level阶段采用XX-Block，在high-level采用BL/DW-Block。

作者选用Net1作为初始MasterNet，需要注意的是MasterNet的参数配置对应并不大，因为后面作者将采用NAS进行最终模型的搜索。当然Net2与Net3也是MasterNet的不错选择。

Local Linear Regression NAS

作者提出采用NAS方式搜索MasterNet的结构，所用的NAS称之为LLR-NAS。假设MasterNet包含M的Super-Block，每个Super-Block可以参数化为(分别表示深度、通道数以及模块类型)，除了模块类型外，作者将不同核尺寸和参数的模块视作不同的模块类型。

LLR-NAS的流程如下：

• Distillation：对于，采用随机模块进行初始化，微调直至收敛并得到对应网络的验证精度。重复该步骤直到每个类型的包含N个微调精度。
• Regression：假设表示MasterNet的精度，采用最小二乘进行回归估计伪梯度，。基于该伪梯度，我们就可以预测网络结构在不同参数下的精度。
• Selection：随机生成大量结构并采用上述伪梯度计算其精度，最后选择具有最佳推理速度的模型。

与此同时，作者在不同分辨率输入下采用上述伪梯度进行最佳网络架构搜索，所选择的架构在对应分辨率下进行训练，最终选择训练后具有最佳精度的模型作为对应分辨率下的最优模型。注：作者分别设置延迟耗时为0.34/0.2/0.1三种约束得到了GENet-Large/GENet-normal/GENet-light。

Experiment

在该部分内容中，作者对比了ResNet、EfficientNet、MnasNet、MobileNetV2、DNANet、DFNet、OFANet以及RegNet等网络架构。

在ImageNet数据集上对比了模型精度，在LLR-NAS阶段，随机从训练集中采样50000样本作为验证集。每个SuperBlock以0.01学习率，BatchSize=256微调30epoch，卷积核尺寸可调空间，输入分辨率可调空间，参数r的可调空间分别为（对应BL-Block）和（对应DW-Block），LLR-NAS阶段在24V100GPU上训练60小时。而最终的模型训练480epoch，同时采用了标签平滑、mixup、random-erase、AutoAugment等训练技巧。

image-20200627201534335

上表给出了GENet在不同约束下的网络架构配置信息，可以看到其中的DW-Block搜索的参数，这与EfficientNet中的完全不同。对比GENet的三种不同配置，可以看到：GENet-large网络提升high-level阶段的深度而降低了low-level阶段的深度。最后两行还给出了不同配置模型的FLOPs与分辨率输入。

image-20200627202133729

为评估所得到的网络在GPU端的推理速度，作者考虑了三种配置：(1) NVIDIA V100-FP16(大多论文中常用配置)；(2) NVIDIA T4-FP16+TensorRT(推理端评测)；(3) NVIDIA T4-INT8+TensorRT(推理端评测，采用TensorRT内置量化工具进行INT8量化)。不同模型的精度与耗时见上图，可以看到：GENet以明显优势优于其他网络。在相同推理速度下，GENet-large以5.0%的指标优于EfficientNet-B0，达到了81.3%的精度且比EfficientNet-B3更快。尽管GENet是针对V100而优化得到的，但它对于T4GPU同样高效，这侧面表明了GENet跨GPU平台的迁移性能。

image-20200627202757734

上表给出了不同网络在相似精度下的推理延迟对比，可以看到：(1) 更高精度时，GENet的优势更明显。(2) 除了EfficientNet-B3与GENet-large外，其他网络均无法达到超过81%的指标。(3) 在T4+TensorRT+INT8配置(工业界常见配置)下，GENet-large以6.4倍的速度快于EfficientNet-B3，GENet-normal以6.8倍速度快于EfficientNet-B2，以4.2倍速度u快于OFANet。不同硬件下的精度与速度对比见下面三个图。

image-20200627203803401image-20200627203746044image-20200627203730296

Conclusion

阿里巴巴的研究员提出了一类针对GPU的高效网络架构设计空间，结合该设计空间于半自动NAS技术得到了GPU端高效网络GENet。GENet倾向于在low-level阶段使用全卷积，而在high-level阶段使用深度分离卷积或者Bottleneck结构。

最后作者通过实验证实了所提网络架构设计空间的优异性能，在具有高精度的同时还具有高推理速度，你说气人不人。