「彩票假说」要修正？王言治团队：神经网络要「中奖」，秘密在于学习率！｜ICML 2021...

---

 视学算法报道  

作者：刘宁

编辑：好困

【新智元导读】「彩票假说」指出神经网络可能存在准确率和原始网络相近的子网络。然而，这种中奖特性在许多情况中很难被观测到。最近，王言治教团队发现并揭示了中奖特性的潜在条件和基本原理。

在深度模型压缩领域中，「彩票假说」（Lottery Tickets Hypothesis）指出一个原始神经网络可能存在中奖彩票的子网络（Winning ticket），该子网络可以达到和原始网络相近的准确率。

然而，这种中奖特性（Winning property）在许多情况中很难被观测到。例如，在训练网络过程中，当使用有利于训练的相对较大的学习率时，就很难发现中奖彩票。

近期，由美国东北大学王言治教授研究组与合作组通过对「彩票假说」工作的研究，发现并揭示了中奖特性的潜在条件和基本原理。

论文链接：https://arxiv.org/pdf/2102.11068.pdf

会议论文链接：http://proceedings.mlr.press/v139/liu21aa.html

该研究发现其本质原因，即当学习率不够大时，初始化权重和最终训练权重之间存在相关性。

因此，中奖特性的存在与神经网络（Deep neural network，DNN）预训练不足有关，并且该特性不太可能发生在训练良好的神经网络中。

为了克服这个限制，该研究提出了「剪枝与微调」的方案，其在相同的剪枝算法和训练时长下始终优于中奖彩票训练的精度。

该研究对不同数据集上的多个深度模型（VGG、ResNet、MobileNet-v2）进行了广泛的实验，以证明所提出方案的有效性。目前，该文章已经被ICML 2021会议收录。

研究背景

神经网络的权重剪枝技术已经被广泛研究和使用，权重剪枝可以有效地去除过度参数化的神经网络中的冗余权重，同时保持网络准确率。

典型的剪枝流程有三个主要阶段。

1. 训练一个拥有过度参数的原始DNN；

2. 剪枝掉原始DNN中不重要的权重；

3. 微调剪枝后的DNN从而恢复准确率。

目前，很多工作都在研究权重剪枝领域的原理与方法。其中有代表性的「彩票假说」[1]工作中表明，在一个使用随机初始化权重的密集网络中，存在一个小的稀疏子网络，当使用与原始密集网络相同的初始权重单独训练这个稀疏子网络时，可以达到与密集网络相似的性能。

这样一个具有初始权重的稀疏子网络被称为中奖网络（Winning ticket）。中奖网络拥有如下特性：

1. 训练相同随机初始化稀疏子网络T轮(或更少)将达到与密集预训练网络相似的准确率。

2. 训练相同随机初始化稀疏子网络T轮和训练重新随机初始化稀疏子网络之间应该有明显的准确率差距，前者应更高。

在彩票假说工作中发现，在低学习率的情况下可以通过迭代剪枝算法（Iterative pruning）观察到中奖特性，但在较高的初始学习率下，特别是在较深的神经网络中，很难观察到。例如，在初始学习率低至0.0001情况下，「彩票假说」工作在CIFAR-10数据集上的CONV-2/4/6架构确定了中奖网络。

对于CIFAR-10上的ResNet-20和VGG-19等更深的网络，只有在低学习率的情况下才能识别出中奖网络。在较高的学习率下，需要额外的预热训练(Warm up epochs)来找到中奖网络。

在Liu等人的工作「Rethinking the value of pruning」[2]中，它重新审视了「彩票假说」工作，发现在广泛采用的学习率下，中奖彩票与随机重新初始化相比，并没有准确率优势。这就对中奖特性的第二个方面提出了质疑，即训练和训练之间的精度差距。

此外，接下来Frankle等人的工作「Stabilizing the lottery ticket hypothesis」[3]提出了迭代剪枝与回倒的方式从而稳定识别中奖网络。

在本工作中，作者研究了中奖特性背后的基本条件和原理。并在各种代表性的神经网络和数据集上进行大量实验，重新审视了「彩票假说」工作，证实了只有在低学习率下才存在中奖特性。事实上，这样的「低学习率」已经明显偏离了标准学习率，并导致预训练的DNN的准确率明显下降。

通过引入提出的相关性指标进行定量分析，作者发现，当学习率不够大时，潜在的原因主要归因于初始化权重和最终训练的权重之间的相关性。

图1 不同训练阶段的表示方法示意图：包括预训练、剪枝（剪枝掩码生成）、稀疏训练以及「剪枝与微调」

神经网络权重相关性角度的分析

本工作在各种DNN架构和CIFAR-10和CIFAR-100数据集上重新审视了「彩票假说」工作的实验，包括VGG-11、ResNet-20和MobileNet-V2。作者的目的是研究中奖特性存在的精确条件。

图2 CIFAR-10数据集上的ResNet-20网络在学习率为0.01和0.1时的随机重新初始化和「中奖网络」的展示

以ResNet-20的CIFAR-10数据集上为例，在初始学习率为0.01的情况下，预训练的DNN的准确率为89.62%。在不同的稀疏率下，「中奖网络」的表现持续优于随机重初始化。在稀疏率为62%时，它达到了最高的准确率90.04%（高于预训练的DNN）。这与「彩票假说」工作在同一网络和数据集上发现的观察结果相似。

另一方面，在初始学习率为0.1的情况下，预训练的DNN的准确率为91.7%。在这种情况下，「中奖网络」的准确率与随机重新初始化相似，在有意义的稀疏率下（例如50%或以上），无法达到接近预训练的DNN的准确率。因此，没有满足中奖特性。

从这些实验来看，在低学习率的情况下，中奖特性存在，但在相对较高的学习率下很难发现，这在「Rethinking the value of pruning」[2]工作中也观察到类似现象。

然而，需要指出的是，相对较高的学习率0.1（实际上是这些数据集的标准学习率）导致预训练的DNN的准确率明显高于低学习率（91.7%对89.6%）。

在「彩票假说」的设置中，在学习率为0.1的情况下，其稀疏训练的结果（「中奖网络」，随机重新初始化）也是相对较高。这一点在之前的相关讨论中是缺失的。

现在的关键问题是：上述两个观察结果是相关的吗？如果答案是肯定的，这意味着中奖特性对DNN来说并不普遍，也不是DNN本身或者相关应用的自然特性。相反，它表明当学习率不够大时，原始的预训练DNN没有得到很好的训练。

作者的假设是上述观察结果是相关的，这主要归因于当学习率不够大时，初始化的权重和最终训练的权重之间存在相关性。在验证假设之前，作者将引入一个相关性指标（correlation indicator，CI）进行定量分析。

图3 CIFAR-10上的ResNet-20在学习率为0.01和0.1时的随机重新初始化和「中奖网络」的说明

定义相关性指标用来量化两组权重和之间的最大幅值的部分权重的位置的重叠度。具体公式如下：

权重的相关性意味着如果一个权重的幅值在初始化时就大，那么它在训练后也是大的。

产生这种相关性的原因是学习率太低，权重更新太慢。这种权重的相关性对于神经网络训练来说是不可取的，通常会导致较低的准确率，在一个良好训练的神经网络中，权重的幅值应该更多地取决于这些权重的位置而不是初始化。

因此当权重的相关性很强时，神经网络的准确率将会变低，也就是说，没有经过良好的训练。

图4 在学习率为0.01和0.1时，初始权重和预训练权重之间的重叠率（当p=10%、20%、30%、40%和50%时）

为了验证上述说法，作者进行了实验，以不同的初始学习率得出神经网络预训练的相关性指标。

以CIFAR-10数据集上的ResNet-20为例进行说明。图4展示了在学习率分别为0.01和0.1时，初始权重和来自神经网络预训练的权重的相关指标。与学习率为0.1的情况相比，学习率为0.01时相关性指标明显较高。

这一观察表明，在学习率为0.01的情况下，的较大幅值的权重没有被完全更新，说明预训练的神经网络没有被很好地训练更新。

在学习率为0.1的情况下，权重被充分更新，因此在很大程度上不依赖于初始权重（，其中p = 10%, 20%, 30%, 40%, 50%），表明神经网络得到良好的充分训练。

图5 (a)，(b)：在不同的稀疏率下，「剪枝与微调」通过迭代剪枝算法产生的掩码的准确度。(c)，(d)：p =0.2时，在0.3、0.5、0.7稀疏度比下，「中奖网络」的权重和「剪枝与微调」的权重，以及重新随机初始化权重和「剪枝与微调」的权重之间的权重相关性（重叠率）比较。

中奖特性的原因和条件

当学习率较低时，训练「中奖网络」和随机重新初始化网络的准确率不同，作者试图从这点出发，从而揭示出中奖属性的原因和条件。作者通过研究权重的相关性来实现这一目标。

作者尝试了「剪枝与微调」的方式，即对来自原始预训练网络的权重应用掩码，然后对其进行T轮微调。最终的权重表示成。以CIFAR-10上的ResNet-20为例进行说明。从图5(a)和5(b)可以看到，实现了相对较高的准确率，接近或高于相同学习率下的预训练DNN的准确率。

作者还研究了，和之间的相关性，以便对中奖特性的原因有所了解。从图5(c)和5(d)可以观察到，在低学习率下，和之间存在较强相关性，这时存在中奖特性。在其他情况下，这种相关性很小或是没有。

结论是，中奖特性的一个关键条件是和之间的相关性。

剪枝与微调——在稀疏情况下恢复准确率的更好方式

图6 「剪枝与微调」的精度表现与两种稀疏训练方案的比较（「中奖网络」和随机重新初始化）

图6展示了使用三种剪枝算法生成掩码：（a）迭代剪枝，（b）基于ADMM的剪枝，以及（c）一次性剪枝。

为了更好地克服「彩票假说」工作中稀疏训练的不足，作者提出「剪枝与微调」的方式。 作者以CIFAR-10数据集上的ResNet-20为例进行说明。这里使用理想的学习率0.1。

从图6可以清楚地观察到「剪枝与微调」与两个稀疏训练方案之间的精度差距。事实上，「剪枝与微调」方案可以持续超越预训练的原始密集神经网络，其稀疏率可高达70%。同样，两个稀疏训练方案之间没有准确率差异。

图7 在三种剪枝算法（迭代剪枝、基于ADMM的剪枝和一次性剪枝）进行掩码生成下，「剪枝与微调」以及稀疏训练（「中奖网络」方案）的准确率表现。

图7结合了上述结果，展示了三种剪枝算法下的「剪枝与微调」以及稀疏训练（「中奖网络」方案）的准确率。可以观察到准确率的大小顺序：基于ADMM的剪枝最高，迭代剪枝在中间，一次性剪枝在最低。这个顺序对于「剪枝与微调」以及稀疏训练也是一样的。

在这里剪枝算法仅用来生成掩码。因此，相对准确率差异归因于生成不同的掩码的质量。可以得出结论，剪枝算法的选择在生成稀疏子网络中至关重要，因为生成的掩码的质量在这里起着关键作用。

结语

在这项工作中，作者研究了彩票假说中中奖特性背后的基本条件和原理。引入了一个相关指标进行定量分析。在不同的数据集上对多个深度模型进行了广泛的实验，证明了中奖特性的存在与神经网络预训练不足有关，对于充分训练的神经网络来说不太可能发生。

同时，「彩票假说」工作中的稀疏训练设置很难恢复预训练的密集神经网络的准确率。为了克服这一局限性，作者提出了「剪枝与微调」的方式，该方式在相同的剪枝算法和总的训练时长下，在不同的数据集上对不同的神经网络均优于「彩票假说」工作设置的稀疏训练。

作者简介

论文第一作者刘宁，博士毕业于美国东北大学计算机工程系，博士生导师为王言治教授。现任职美的资深研究员。

袁赓，美国东北大学计算机工程系博士在读生，导师为王言治教授。

参考资料：

[1] Frankle, J. and Carbin, M. The lottery ticket hypothesis: Finding sparse, trainable neural networks. 

[2] Liu, Z., Sun, M., Zhou, T., Huang, G., and Darrell, T. Rethinking the value of network pruning. 

[3] Frankle, J., Dziugaite, G. K., Roy, D. M., and Carbin, M. Stabilizing the lottery ticket hypothesis.

点个在看 paper不断！