如何使用预构建的搜索空间和训练程序

本指南介绍如何使用 Google 的预构建搜索空间和基于 TF-vision 的预构建训练程序代码，为 MnasNet 和 SpineNet 运行 Vertex AI 神经架构搜索作业。如需查看端到端示例，请参阅 MnasNet 分类笔记本和 SpineNet 对象检测笔记本。

为预构建的训练程序准备数据

神经架构搜索预建训练程序要求数据采用 TFRecord 格式，其中包含 tf.train.Example。tf.train.Example 必须包含以下字段：

'image/encoded': tf.FixedLenFeature(tf.string)
'image/height': tf.FixedLenFeature(tf.int64)
'image/width': tf.FixedLenFeature(tf.int64)

# For image classification only.
'image/class/label': tf.FixedLenFeature(tf.int64)

# For object detection only.
'image/object/bbox/xmin': tf.VarLenFeature(tf.float32)
'image/object/bbox/xmax': tf.VarLenFeature(tf.float32)
'image/object/bbox/ymin': tf.VarLenFeature(tf.float32)
'image/object/bbox/ymax': tf.VarLenFeature(tf.float32)
'image/object/class/label': tf.VarLenFeature(tf.int64)

您可以遵循此处的 ImageNet 数据准备说明。

如需转换自定义数据，请使用下载的示例代码和实用程序附带的解析脚本。如需自定义数据解析，请修改 tf_vision/dataloaders/*_input.py 文件。

详细了解 TFRecord 和 tf.train.Example。

定义实验环境变量

在运行实验之前，您需要定义多个环境变量，包括：

TRAINER_DOCKER_ID：${USER}_nas_experiment（推荐格式）
实验将使用的训练和验证数据集的 Cloud Storage 位置。例如（用于检测的 CoCo）：
- gs://cloud-samples-data/ai-platform/built-in/image/coco/train*
- gs://cloud-samples-data/ai-platform/built-in/image/coco/val*
实验输出的 Cloud Storage 位置。推荐的格式：
- gs://${USER}_nas_experiment
REGION：此区域应与实验输出存储桶区域相同。例如：us-central1。
PARAM_OVERRIDE：替换预构建训练程序参数的 .yaml 文件。神经架构搜索提供了一些可供您使用的默认配置：

PROJECT_ID=PROJECT_ID
TRAINER_DOCKER_ID=TRAINER_DOCKER_ID
LATENCY_CALCULATOR_DOCKER_ID=LATENCY_CALCULATOR_DOCKER_ID
GCS_ROOT_DIR=OUTPUT_DIR
REGION=REGION
PARAM_OVERRIDE=tf_vision/configs/experiments/spinenet_search_gpu.yaml
TRAINING_DATA_PATH=gs://PATH_TO_TRAINING_DATA
VALIDATION_DATA_PATH=gs://PATH_TO_VALIDATION_DATA

您可能需要选择和/或修改符合训练要求的替换文件。请考虑以下事项：

您可以将 --accelerator_type 设置为从 GPU 或 CPU 中选择。如需使用 CPU 仅运行几个周期以进行快速测试，您可以设置标志 --accelerator_type="" 并使用配置文件 tf_vision/test_files/fast_nas_detection_spinenet_search_for_testing.yaml。
周期数
训练运行时间
超参数（如学习速率）

如需查看控制训练作业的所有参数的列表，请参阅 tf_vision/configs/。以下是关键参数：

task:
  train_data:
    global_batch_size: 80
  validation_data:
    global_batch_size: 16
  init_checkpoint: null
trainer:
  train_steps: 16634
  steps_per_loop: 1386
  optimizer_config:
    learning_rate:
      cosine:
        initial_learning_rate: 0.16
        decay_steps: 16634
      type: 'cosine'
    warmup:
      type: 'linear'
      linear:
        warmup_learning_rate: 0.0067
        warmup_steps: 1386

为神经架构搜索创建 Cloud Storage 存储桶以存储作业输出（即检查点）：

gcloud storage buckets create $GCS_ROOT_DIR

构建训练程序容器和延迟时间计算器容器

以下命令将在 Google Cloud 中使用以下 URI 构建训练程序映像：gcr.io/PROJECT_ID/TRAINER_DOCKER_ID 将在下一步中用于神经架构搜索作业。

python3 vertex_nas_cli.py build \
--project_id=PROJECT_ID \
--trainer_docker_id=TRAINER_DOCKER_ID \
--latency_calculator_docker_id=LATENCY_CALCULATOR_DOCKER_ID \
--trainer_docker_file=tf_vision/nas_multi_trial.Dockerfile \
--latency_calculator_docker_file=tf_vision/latency_computation_using_saved_model.Dockerfile

如需更改搜索空间和奖励，请在 Python 文件中对其进行更新，然后重新构建 Docker 映像。

在本地测试训练程序

由于在 Cloud 服务中启动作业需要几分钟时间，因此在本地测试训练程序 Docker 可能更方便，例如验证 TFRecord 格式。以 spinenet 搜索空间为例，您可以在本地运行搜索作业（模型将随机采样）：

# Define the local job output dir.
JOB_DIR="/tmp/iod_${search_space}"

python3 vertex_nas_cli.py search_in_local \
--project_id=PROJECT_ID \
--trainer_docker_id=TRAINER_DOCKER_ID \
--prebuilt_search_space=spinenet \
--use_prebuilt_trainer=True \
--local_output_dir=${JOB_DIR} \
--search_docker_flags \
params_override="tf_vision/test_files/fast_nas_detection_spinenet_search_for_testing.yaml" \
training_data_path=TEST_COCO_TF_RECORD \
validation_data_path=TEST_COCO_TF_RECORD \
model=retinanet

training_data_path 和 validation_data_path 是 TFRecord 的路径。

在 Google Cloud 上启动 stage-1 搜索，后跟 stage-2 训练作业

如需查看端到端示例，您应参阅 MnasNet 分类笔记本和 SpineNet 对象检测笔记本。

您可以设置 --max_parallel_nas_trial 标志和 --max_nas_trial 标志进行自定义。神经架构搜索将并行启动 max_parallel_nas_trial 试验，并在 max_nas_trial 试验之后完成。
如果设置了 --target_device_latency_ms 标志，系统会使用由 --target_device_type 标志指定的加速器启动单独的 latency calculator 作业。
神经架构搜索控制器会通过 --nas_params_str 标志为每个实验的新架构候选项提供建议。
每次试验都会根据 nas_params_str 标志的值构建图并启动训练作业。每个试验还会将其值保存到 json 文件（位于 os.path.join(nas_job_dir, str(trial_id), "nas_params_str.json")）。

受延迟时间限制的奖励

MnasNet 分类笔记本展示了一个基于云 CPU 设备的受延迟时间限制的搜索示例。

如需搜索受延迟时间限制的模型，训练程序可以以准确率和延迟时间函数的形式报告奖励。

在共享源代码中，奖励的计算方式如下：

def compute_reward(target_latency, accuracy, inference_latency, weight=0.07):
  """Compute reward from accuracy and latency."""
  speed_ratio = target_latency / inference_latency
  return accuracy * (speed_ratio**weight)

您可以使用 MnasNet 论文第 3 页上的其他 reward 计算变体。

target_device_type 指定 Google Cloud 中支持的目标设备类型，例如 NVIDIA_TESLA_P100。
use_prebuilt_latency_calculator 使用预构建的延迟时间计算器 tf_vision/latency_computation_using_saved_model.py。
target_device_latency_ms 指定目标设备延迟时间。

如需了解如何自定义延迟时间计算函数，请参阅 tf_vision/latency_computation_using_saved_model.py。

监控神经架构搜索作业进度

在 Google Cloud 控制台的作业页面上，图表显示 reward vs. trial number，而表显示每次试验的奖励。您可以找到奖励最高的重要试验。

绘制 stage-2 的训练曲线

在 stage-2 训练完成后，您可以使用 Google Cloud Shell 或 Google Cloud TensorBoard 将训练曲线指向作业目录来绘制该曲线：

部署选定的模型

如需创建 SavedModel，您可以将 export_saved_model.py 脚本与 params_override=${GCS_ROOT_DIR}/${TRIAL_ID}/params.yaml 搭配使用。