面對越來越深的深度學(xué)習(xí)模型和海量的視頻大數(shù)據(jù)，人工智能算法對計算資源的依賴越來越高。為了有效提升深度模型的性能和效率，通過探索模型的可蒸餾性和可稀疏性，本文提出了一種基于 “教導(dǎo)主任 - 教師 - 學(xué)生” 模式的統(tǒng)一的模型壓縮技術(shù)。

該成果由人民中科和中科院自動化所聯(lián)合研究團隊合作完成，相關(guān)論文發(fā)表在人工智能頂級國際期刊 IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI) 上。該成果是首次將 “教導(dǎo)主任” 角色引入模型蒸餾技術(shù)，對深度模型的蒸餾與裁剪進行了統(tǒng)一。

論文地址：https://ieeexplore.ieee.org/abstract/document/9804342

(資料圖片)

目前該項成果已經(jīng)應(yīng)用于人民中科自主研發(fā)的跨模態(tài)智能搜索引擎 “白澤”?！鞍诐伞?打破圖文音視等不同模態(tài)間信息表達的隔閡，將文字、圖片、語音和視頻等不同模態(tài)信息映射到一個統(tǒng)一特征表示空間，以視頻為核心，學(xué)習(xí)多個模態(tài)間統(tǒng)一的距離度量，跨越文字、語音、視頻等多模態(tài)內(nèi)容的語義鴻溝，實現(xiàn)大一統(tǒng)的搜索能力。

然而面對海量的互聯(lián)網(wǎng)數(shù)據(jù)尤其是視頻大數(shù)據(jù)，跨模態(tài)的深度模型對計算資源的消耗逐漸提升?；谠擁椦芯砍晒?，“白澤”能夠在保證算法性能的情況下，將模型大小進行大規(guī)模壓縮，從而實現(xiàn)高通量低功耗的跨模態(tài)智能理解和搜索能力。根據(jù)初步的實際應(yīng)用情況來看，該項技術(shù)能夠?qū)⒋竽Ｐ偷膮?shù)規(guī)模壓縮平均四倍以上。一方面能夠極大降低模型對 GPU 服務(wù)器等高性能計算資源的消耗，另一方面能夠?qū)o法在邊緣端部署的大模型經(jīng)過蒸餾壓縮后實現(xiàn)邊緣端的低功耗部署。

深度算法模型的壓縮和加速可通過蒸餾學(xué)習(xí)或結(jié)構(gòu)化稀疏裁剪實現(xiàn)，但這兩個領(lǐng)域均存在一些局限性。對于蒸餾學(xué)習(xí)方法，旨在訓(xùn)練一個輕量化模型（即學(xué)生網(wǎng)絡(luò)）來模擬復(fù)雜龐大的模型（即教師網(wǎng)絡(luò)）。在教師網(wǎng)絡(luò)的指導(dǎo)下，學(xué)生網(wǎng)絡(luò)可以獲得比單獨訓(xùn)練的更優(yōu)性能。

然而，蒸餾學(xué)習(xí)算法僅僅專注于提升學(xué)生網(wǎng)絡(luò)的性能，往往忽略了網(wǎng)絡(luò)結(jié)構(gòu)的重要性。學(xué)生網(wǎng)絡(luò)的結(jié)構(gòu)一般是預(yù)定義好的，并且在訓(xùn)練過程中是固定的。

對于結(jié)構(gòu)化稀疏裁剪或濾波器裁剪，這些方法旨在將一個冗余繁雜的網(wǎng)絡(luò)裁剪成一個稀疏緊致的網(wǎng)絡(luò)。然而，模型裁剪僅僅用于獲得一個緊致的結(jié)構(gòu)。目前已有方法都沒有充分利用原始復(fù)雜模型所包含的“知識”。近期研究為了平衡模型性能和大小，將蒸餾學(xué)習(xí)和結(jié)構(gòu)化稀疏裁剪進行結(jié)合。但是這些方法僅限于簡單的損失函數(shù)的結(jié)合。

為了深入分析以上問題，該研究首先對模型進行基于壓縮感知訓(xùn)練，通過分析模型性能和結(jié)構(gòu)發(fā)現(xiàn)，對于深度算法模型，存在兩個重要屬性：可蒸餾性（distillability）和可稀疏性（sparsability）。

具體而言，可蒸餾性指的是能夠從教師網(wǎng)絡(luò)中蒸餾出有效知識的密度。它可以通過學(xué)生網(wǎng)絡(luò)在教師網(wǎng)絡(luò)指導(dǎo)下所獲得的性能收益來衡量。例如，擁有更高可蒸餾性的學(xué)生網(wǎng)絡(luò)可以獲得更高性能?？烧麴s性也可以在網(wǎng)絡(luò)層級別上被定量分析。

如圖 1-(a)所示，柱形圖表示蒸餾學(xué)習(xí)損失梯度和真值分類損失梯度之間的余弦相似度（Cosine Similarity）。更大的余弦相似度說明當(dāng)前蒸餾的知識對于模型性能更有幫助。這樣，余弦相似度也可以成為可蒸餾性的一種度量。由圖 1-(a)可得，可蒸餾性隨著模型層數(shù)變深逐漸增大。這也解釋了為什么常規(guī)使用蒸餾學(xué)習(xí)的監(jiān)督均施加在模型最后幾層中。并且，在不同的訓(xùn)練輪次，學(xué)生模型也有不同的可蒸餾性，因為隨著訓(xùn)練時間變化余弦相似度也在改變。因此，在訓(xùn)練過程中對不同層進行可蒸餾性的動態(tài)分析十分必要。

另一方面，可稀疏性指的是模型在有限精度損失下能夠獲得的裁剪率（或稱壓縮率）。更高的可稀疏性對應(yīng)更高裁剪率的潛力。如圖 1-(b)所示，網(wǎng)絡(luò)的不同層或模塊展現(xiàn)了不同的可稀疏性。類似于可蒸餾性，可稀疏性也可以在網(wǎng)絡(luò)層級別和時間維度進行分析。然而，目前沒有方法去探索和分析可蒸餾性和可稀疏性?，F(xiàn)有方法常常使用一種固定的訓(xùn)練機制，這樣很難達到一個最優(yōu)結(jié)果。

圖 1 深度神經(jīng)網(wǎng)絡(luò)的可蒸餾性和可稀疏性示意圖

為了解決以上問題，該研究分析了模型壓縮的訓(xùn)練過程，從而獲得有關(guān)可蒸餾性和可稀疏性的相關(guān)發(fā)現(xiàn)。受這些發(fā)現(xiàn)啟發(fā)，該研究提出了一種基于動態(tài)可蒸餾性與可稀疏性聯(lián)合學(xué)習(xí)的模型壓縮方法。它能動態(tài)結(jié)合蒸餾學(xué)習(xí)和結(jié)構(gòu)化稀疏裁剪，通過學(xué)習(xí)可蒸餾性和可稀疏性，自適應(yīng)地調(diào)節(jié)聯(lián)合訓(xùn)練機制。

與常規(guī)的 “教師 - 學(xué)生（Teacher-Student）” 框架不同，本文提出的方法能夠被描述成 “在學(xué)校學(xué)習(xí)（Learning-in-School）” 框架，因為它包含三大模塊：教師網(wǎng)絡(luò)，學(xué)生網(wǎng)絡(luò)和教導(dǎo)主任網(wǎng)絡(luò)。

具體而言，與之前相同，教師網(wǎng)絡(luò)教導(dǎo)學(xué)生網(wǎng)絡(luò)。而教導(dǎo)主任網(wǎng)絡(luò)負(fù)責(zé)控制學(xué)生網(wǎng)絡(luò)學(xué)習(xí)的強度以及學(xué)習(xí)的方式。通過獲取當(dāng)前教師網(wǎng)絡(luò)和學(xué)生網(wǎng)絡(luò)的狀態(tài)，教導(dǎo)主任網(wǎng)絡(luò)可以評估當(dāng)前學(xué)生網(wǎng)絡(luò)的可蒸餾性和可稀疏性，然后動態(tài)地平衡和控制蒸餾學(xué)習(xí)監(jiān)督和結(jié)構(gòu)化稀疏裁剪監(jiān)督的強度。

為了優(yōu)化本文方法，該研究還提出一種基于交替方向乘子法的蒸餾學(xué)習(xí) & 裁剪的聯(lián)合優(yōu)化算法，來更新學(xué)生網(wǎng)絡(luò)。為了優(yōu)化和更新教導(dǎo)主任網(wǎng)絡(luò)，本文提出一種基于元學(xué)習(xí)的教導(dǎo)主任優(yōu)化算法。借助動態(tài)調(diào)節(jié)監(jiān)督信號，反過來可蒸餾性也能被影響。如圖 1-(a)所示，本文方法證明能夠延緩可蒸餾性的下降趨勢，并且通過合理利用蒸餾的知識，提升了整體的可蒸餾性。

本文方法的整體算法框架和流程圖如下圖所示。該框架包含三大模塊，教師網(wǎng)絡(luò)，學(xué)生網(wǎng)絡(luò)和教導(dǎo)主任網(wǎng)絡(luò)。其中，初始的待壓縮裁剪的復(fù)雜冗余網(wǎng)絡(luò)被看作教師網(wǎng)絡(luò)，而在后面的訓(xùn)練過程中，逐漸被稀疏的原始網(wǎng)絡(luò)被看作是學(xué)生網(wǎng)絡(luò)。教導(dǎo)主任網(wǎng)絡(luò)是一個元網(wǎng)絡(luò)，它輸入教師網(wǎng)絡(luò)和學(xué)生網(wǎng)絡(luò)的信息來衡量當(dāng)前可蒸餾性和可稀疏性，從而控制蒸餾學(xué)習(xí)和稀疏的監(jiān)督強度。

這樣，在每一時刻，學(xué)生網(wǎng)絡(luò)都能被動態(tài)地蒸餾知識指導(dǎo)和被稀疏。例如，當(dāng)學(xué)生網(wǎng)絡(luò)有更高的可蒸餾性，則教導(dǎo)主任會讓更強的蒸餾監(jiān)督信號指導(dǎo)學(xué)生網(wǎng)絡(luò)（見圖 2 中粉色箭頭信號）；與此相反，當(dāng)學(xué)生網(wǎng)絡(luò)有更高的可稀疏性，教導(dǎo)主任會讓更強的稀疏監(jiān)督信號施加于學(xué)生網(wǎng)絡(luò)中（見圖 2 中橙色箭頭信號）。

圖 2 基于可蒸餾性與可稀疏性聯(lián)合學(xué)習(xí)的模型壓縮算法示意圖

實驗將本文提出的方法與 24 種主流模型壓縮方法（包括稀疏裁剪方法和蒸餾學(xué)習(xí)方法）在小規(guī)模數(shù)據(jù)集 CIFAR 和大規(guī)模數(shù)據(jù)集 ImageNet 上進行比較。實驗結(jié)果如下圖所示，結(jié)果證明本文所提方法的優(yōu)越性。

表 1 在 CIFAR10 上的模型裁剪結(jié)果性能對比：

表 2 在 ImageNet 上的模型裁剪結(jié)果性能對比：

更多研究細(xì)節(jié)，可參考原論文。

關(guān)鍵詞： 可蒸餾性 教導(dǎo)主任 計算資源 實驗結(jié)果 人工智能