元学习之《On First-Order Meta-Learning Algorithms》论文详细解读

本文主要是介绍元学习之《On First-Order Meta-Learning Algorithms》论文详细解读，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

元学习系列文章

1. optimization based meta-learning
   1. 《Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks》 论文翻译笔记
   2. 元学习方向 optimization based meta learning 之 MAML论文详细解读
   3. MAML 源代码解释说明 (一)
   4. MAML 源代码解释说明 (二)
   5. 元学习之《On First-Order Meta-Learning Algorithms》论文详细解读:本篇博客
   6. 元学习之《OPTIMIZATION AS A MODEL FOR FEW-SHOT LEARNING》论文详细解读
2. metric based meta-learning: 待更新…
3. model based meta-learning: 待更新…

引言

上一篇博客对论文 MAML 做了详细解读，MAML 是元学习方向 optimization based 的开篇之作，还有一篇和 MAML 很像的论文 On First-Order Meta-Learning Algorithms，该论文是大名鼎鼎的 OpenAI 的杰作，OpenAI 对 MAML 做了简化，但效果却优于 MAML，具体做了什么简化操作，请往下看😀。

On First-Order Meta-Learning Algorithms

这篇论文的标题就很针对 MAML，MAML 中有一个重要的特点，就是在求梯度时，为了加速放弃了二阶求导，使用一阶微分近似进行代替，虽然效果上相差不大，但总感觉少了点什么。这篇论文的标题上来就声称我们是一阶的 metalearning 方法，而且刚好是在 MAML 发表的下一年（2018）发表在 ICML 会议的，从标题上也是赚慢了噱头。

还有个有意思的事情，OpenAI 把论文中的算法称之为 Reptile, 但是也没有解释为什么叫这个，论文中也没看出来和 Reptile 有什么关联，感兴趣的读者，可以去深究一下。

说了一堆废话，下面开始进入正题。

伪算法

贴一张论文中的官方算法：

先来解释一下：

1 首先初始化一个网络模型的所有参数 $\varphi$
2 迭代 N 次，进行训练，每次迭代执行：

• 2.1 随机抽样一个任务 T，用网络模型进行训练，对应的loss 是 $L_t$，训练结束后的参数是 $\tilde{\varphi }$
• 2.2，在参数$\varphi$上使用 SGD 或 Adam 执行K次梯度下降更新，得到 $\tilde{\varphi }=U_t^k(\varphi )$
• 2.3 用$\tilde{\varphi }$更新网络模型模型参数，$\varphi =\varphi +ϵ(\tilde{\varphi }-\varphi )$

3 完成上述N次迭代训练，则结束整个过程

从上面的算法中可以看出，Reptile 是在每个单独的任务执行K次训练后，就开始真正更新网络模型的参数（Meta），更新方式不是梯度下降，但是和梯度下降公式长得很像，是用上一次的参数$\varphi$和K次后的参数$\tilde{\varphi }$的差来更新，更新的步长是$ϵ$。在这个过程中，只有一阶求导的计算，就是在任务内部执行K次更新的过程中用到的随机梯度下降，这也是为什么标题中叫 First-Order 的原因。

从这就可以看出和 MAML 算法的不同了：

1. MAML：所有任务执行完，用每个任务测试集上的平均 loss 来更新 meta 参数。
2. Reptile：每个任务执行K次训练后，用最新的参数和 meta 参数的差来更新 meta 参数。

这里说的meta参数，就是真正更新网络模型参数的过程

数学过程

上面只是简单介绍了 Reptile 的算法思想，下面从数学过程上来理解下它的更新过程，先来设定几个符号：

$\varphi$代表网络模型初始参数，$ϵ,\eta$分别代表 meta 更新的学习率和 task 更新的学习率，$N$是meta训练的 batch_size，即 meta 的一个bach有 N 个task，每个task内部执行K次训练，N个任务都训练完，再来更新meta参数。按照上面的算法过程，meta的一个batch训练完之后，网络模型的参数是：

$$\begin{array}{rl}\varphi & =\varphi +ϵ\frac{1}{N}\sum _{i=1}^N\left(\widetilde{{\varphi }_i}-\varphi \right)\\ & =\varphi +ϵ\left(W-\varphi \right)\end{array}$$

其中 $W$是每个任务最后参数的平均值，上述公式再进行展开就是这样：

假设N=2,K=3，即meta每次训练的一个batch 有2个task，每个task内部进行3此迭代，则 meta每次更新模型参数的公式为：

训练过程

上面公式的最后一行，又变成了熟悉的梯度下降，只不过梯度方向是每个任务内部更新的几次梯度方向的和。meta 模型的参数更新过程，在几何上就是这样的：

动图看的更加清晰些，其中绿色代表第一个任务，三个绿色箭头代表三次更新时的梯度方向，可以看到，Reptile的模型就是朝着每个任务的梯度和的方向上不断地进行更新。

还记得 MAML 是怎样更新的吗？不记得的话，请翻看上一篇博客。还是同样的设置，MAML 的更新过程如下：

即 MAML 是在每个任务最后一个梯度的方向上进行更新，而 Reptile 是在每个任务几个梯度和的方向上进行更新。

实验

实验设置和 MAML 论文中的设置一样，回归任务以拟合正弦函数为例，分类任务以 MiniImagenet 数据和 omniglot 数据的图片分类为例，详细设置就不再赘述了，直接看实验结果：

上半部分的图是正弦函数的拟合结果，(b)是MAML的结果，C是Reptile的结果，橘黄色线是微调32次之后的样子，绿色线是真实分布，可以看到 Reptile和MAML的结果相当，都能拟合到真实分布的样子，硬要一较高下的话，那就是 Reptile稍好一些。

下半部分图是在 MiniImagenet 分类数据上的结果，作者也对比了一阶近似 MAML和二阶MAML的结果，从图中可以看出，Reptile的准确率至少要高出1个百分点。

在论文中作者还对比了一个有意思的实验，Reptile 既然可以在 $g_1+g_2+g_3$ 的梯度方向上更新，那么如果在其它梯度的组合方向上去更新，结果会怎样呢？比如 $g_1+g_2$ 等方向，作者也针对不同梯度的组合进行了实验，实验结果如下：

横轴是meta迭代次数，纵轴是准确率，不同颜色的曲线代表不同的梯度组合，可以明显的看到最下面的蓝色曲线准确率最低，蓝色曲线代表在 $g_1$ 第一个梯度方向上去更新，其实就是模型预训练的过程，以所有训练任务的 loss 为准进行更新。其他颜色的曲线都代表用若干次之后的 loss 来更新参数，最上面的那条曲线代表 Reptile，即用 $g_1+g_2+g_3+g_4$ 的梯度方向进行更新，只使用 $g_4$ 的那条曲线代表 MAML。

核心代码

Reptile 的论文代码也是开源的，而且代码很简介规范，不愧是 OpenAI 出品。建议感兴趣的读者去看下论文源码，不仅能更好的理解论文思想，对工程能力的提升也很有帮助，包括代码风格、模块化、组织架构、逻辑实现等都有很多值得借鉴的地方。关于源代码有疑问的话，可以私信联系我。这里只贴一点核心的训练更新代码，对应上面的数学过程：

代码文件见 reptile.py

        # 取出网络模型的最新参数old_vars = self._model_state.export_variables()# 保存一个 meta batch 里，每个 task 更新 K 次后的参数new_vars = []for _ in range(meta_batch_size):# 抽样出一个 taskmini_dataset = _sample_mini_dataset(dataset, num_classes, num_shots)for batch in _mini_batches(mini_dataset, inner_batch_size, inner_iters, replacement):# task 里面的训练，更新 inner_iters 次，相当于公式中的Kinputs, labels = zip(*batch) # inner_iters 个 batch，每个 iter 使用一个 batch ，里面的一次训练迭代if self._pre_step_op:self.session.run(self._pre_step_op)self.session.run(minimize_op, feed_dict={input_ph: inputs, label_ph: labels})# 一个 task 内部训练完的参数new_vars.append(self._model_state.export_variables())self._model_state.import_variables(old_vars)# 对 meta_batch 个 task 的最终参数进行平均，相当于公式中的 Wnew_vars = average_vars(new_vars)# 所有的 meta_batch 个任务都训练完, 更新一次 meta 参数，并且把更新后的参数更新到计算图中，下次训练从最新参数开始# 更新方式：old + scale*(new - old)self._model_state.import_variables(interpolate_vars(old_vars, new_vars, meta_step_size))

OpenAI Demo

在 OpenAI 的官方博客 Reptile: A Scalable Meta-Learning Algorithm中，也有介绍这篇论文。该博客网页中还有个有意思的 demo，大家可以试玩一下：

这个 demo 的意思是，openAI 已经用他们的 Reptile 算法训练了一个用于少样本场景的3分类网络模型，并且嵌入到了网页中，用户可以通过 demo 中的交互制作一个新的三分类任务，并且这个任务只有三个训练样本，也就是每个类下只有一个样本，学名叫3-Way 1-shot，让他们的模型在这三个样本上进行微调学习，然后在右边画一个新的三个类别下的测试样本，Reptile 模型会自动给出它在三个类别下的概率。通过这个 demo 来证明他们的模型确实有奇效，在新任务的几个样本上微调一下，就可以在该任务的测试集上取得很好的准确率。

几点思考

通过上面的 demo 可以得出一些结论：

1. 画图框是固定尺寸，而且是黑白图案，相当于输入大小是固定的，所以可以用同一个模型进行训练
2. 框里面可以任意画一些图案，比如画数字 1，2，3的图案，那就变成了少样本手写数字识别任务；画 A,B,C的图案，那就变成了手写字母识别；画三个猫、狗、兔子的图案，那就变成了动物识别；这样是不是说明了，通过 meta-learning 的方法预训练网络模型，可以在视觉场景中有广泛应用 ？因为只要输入图片的尺寸是固定的，就可以一个模型应对所有任务。不知道这样想是不是对的，如果是的话，那感觉看到了一个巨大的商机。
3. Reptile 的方法能不能用到传统的结构化数据上进行迁移 ？这就涉及到对 task 定义以及 task 间相似性的理解了，欢迎感兴趣的读者一起交流。

参考资料

• https://arxiv.org/pdf/1803.02999.pdf
• https://github.com/openai/supervised-reptile
• https://www.bilibili.com/video/BV1Gb411n7dE?p=32

这篇关于元学习之《On First-Order Meta-Learning Algorithms》论文详细解读的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---