1、概述

AutoSlim是一种one-shot模型优化方法，只要给定网络类型（如MobileNet-v1，ResNet50），给定限制条件（如Flops、latency等），就能自动决定每一层的通道数，以达到最优的模型精度。该优化方法打破了人工设计模型的“half size， double channel”的假设，解决了需要人为评估模型每一层敏感度，人为设置剪枝层/剪枝层类型的痛点，降低了使用剪枝技术的门槛和学习成本。

AutoSlim的算法流程图如下：

1. 需要给出一个网络结构
2. 训练一个slimmable model作为supernet，这里的slimmable model是指nonuniform universally slimmable networks，即所有层的通道不是通过一个统一的width ratio来进行调节。训练的epochs数大约为常规训练的20%-50%。
3. 在验证集上，采用贪婪的方式，使用已训练好的supernet进行前向推理，迭代评估，最后找到满足限制条件，同时精度降低最小的网络，这个网络成为子网。更具体的说，greedily slim是指在一次迭代中，将每一层的通道进行分组，每一组是一个channel bin，尝试剪去每一层的最后一个channel bin，查看前向推理精度，精度最高的那层剪去最后一个channel bin，如此循环，直到满足限制条件。通过分组的方式可以减小搜索空间。
4. 重新训练一个或多个子网。

该算法基于一个假设：作为supernet的slimmable model可以作为已知通道配置的独立训练的网络的精度评估器。

2、slimmable networks原理

AutoSlim在slimmable networks的基础上发展起来，具体见[1][2]。下面我们先简单介绍一下slimmable networks和universally slimmable networks。

2.1 slimmable networks

最初的slimmable networks使用switchable BN进行训练，不同的子网使用不同的BN，在训练完成后，supernet只能支持指定的多个width ratio。这种slimmable networks称为S-Net。S-Net的训练目标是所有switch下，模型精度平均是最优的。slimmable networks的训练算法如下：

说明：在调用loss.backward()时，梯度如果不清零，会反向传播，并进行累加，调用optimizer.step()，会根据累加的梯度更新网络参数。optimizer.zero grad()负责对梯度清零。

之所以使用switchable BN，主要为解决不同子网结构时，共享BN带来的统计信息的不一致的问题。在训练的时候是没有问题的，因为使用的是当前batch的均值，方差。但是在推理时，如果不使用switchable BN，不同的子网结构统计的均值，方差的不同，如果共享BN，统计出来的均值方差是不准确的。switchable BN本质是不同switch的网络私有化BN。下图是训练和推理slimmable networks的曲线。左侧是switch切换到最大时的训练误差。右侧是在不同的switch下验证集下的测试误差。可以看出来，不管是普通的训练方式还是使用switchable BN的训练方式，训练误差是一致的（左图），但是如果不使用switchable BN，测试误差会很高（右图，放大的区域，naive training）。如果使用switchable BN训练slimmable networks，那不管是训练还是测试误差，都能保持稳定。

下表是slimmable networks用在MobileNet v1，MobileNet v2， ShuffleNet，ResNet-50，在ImageNet数据集上的测试结果，表中，S-表示slimmable models。可以发现slimmable networks能够提供和独立训练的网络相当的性能。值得注意的是，slimmable networks在一些情况下还会改善网络的性能。比如S-MobileNet v1在1.0×时，比独立训练的网络精度提高0.6%，S-MobileNet v1在0.25×时比独立训练的网络精度提高3.3%，作者猜测这样显著的性能提升是因为训练slimmable networks时的联合训练和权重共享，其间隐含着大模型向小模型的知识迁移，即隐含着一个知识蒸馏的过程。

2.2 universally slimmable networks

由于S-Net只能在训练时指定的若干个switch之间切换，为了解决这个问题，后续又提出了universally slimmable networks ，可以在指定的width范围内的任意width之间进行切换，简称 US-Net。主要的改进有3点：

1. 训练supernet时使用普通的BN，进行BN共享，在训练完成后，使用训练数据集（对ImageNet，随机采样1000图片即可）进行BN校准：此时模型处于eval模式，BN处于train模式。
2. 使用三明治法则（sandwich rule）解决了高效训练US-Net的问题。训练US-Net一个自然的方式是在每个迭代中累加或平均多个subnet的loss。采样的子网越多，训练出的网络性能应该越好。但是这样会消耗巨大的计算资源。三明治法则指明了子网采样的最优方式，在网络性能和计算资源之前取得一个平衡，具体说来，三明治法则是指在训练的每个迭代中，训练n个subnet，其中一个是最小宽度，一个最大宽度，还有（n-2）个随机宽度。n一般取4。
3. 使用原地蒸馏（inplace distillation）提升了US-Net的整体训练精度。原地蒸馏是指用最大宽度的模型的输出和数据集的label取交叉熵作为loss进行反向传播，然后最大宽度的模型作为其他宽度模型的老师，用其输出作为soft label和其他宽度的输出分别取交叉熵进行反向传播，这样的蒸馏就叫原地蒸馏。

训练US-Net的算法如下：

说明：在最大宽度的子网loss反向传播后，输出与其他宽度的子网输出求loss，就不需要梯度的反向传播了。

下图是US-MobileNet v2与I-Net，S-Net的性能对比。可以看出，平均来看，US-net的性能优于S-net，和I-net（独立训练的网络，网络通过width-ratio调整大小）。

下图是三明治法则取不同下边界的扩展实验。可以看出，宽度的下边界非常重要。US-Net的性能是构建于下边界的基础上。 

2.3 nonuniform US-Net

US-Net中， width ratio用于一个模型的所有层。nonuniform US-Net是指模型中，每一层的width ratio是独立的，不需要像US-Net一样，所有层用同一个ratio，这样每一层裁剪后，需要相同通道数的层就会出现通道数不一致的问题。这是nonuniform US-Net需要解决的问题。Autoslim中使用的正是nonuniform US-Net。

2.4 深度学习网络是天生就可以进行network slimming吗

看下图，就知道答案是否定的。一个独立训练好的深度学习网络I-Net（即没有用slimming network的方法训练supernet的网络），即使进行了BN校准，它在不同width下的推理精度也是很差的。slimming network之所以有效，除了对BN进行处理，还有就是权重的共享和联合训练，这点至关重要。

3、AutoSlim在ImageNet上的效果

AutoSlim在ImageNet上的效果见下表。论文作者分别对FLOPs为200M、300M、500M的网络和重型模型（基本上是基于ResNet-50的模型）进行了测试。从一系列的实验结果可见，在相同的FLOPs下，AutoSlim搜索出的网络在精度上和I-Net相当或更高，不少网络在latency上更具优势。

好了，有关AutoSlim的介绍就到这里了。