Waymo无人车启用DeepMind异步优化方法，提高传感器识别效率

自动驾驶车辆采用神经网络来执行许多驾驶任务，从检测物体和预测其他人的行为方式，到规划汽车的下一步动作。一般情况下，训练单独的神经网络需要数周的微调和实验，以及大量的算力。现在，Waymo与DeepMind的研究合作，从达尔文对进化论中汲取灵感，使这项训练更加有效和高效。

神经网络的性能受训练方案的影响非常大，主要思路就是找到最优学习率、让神经网络在每次迭代后变得更好，但性能波动不需要太大。

寻找最佳训练方案（或“超参数方案”）通常是通过工程师的经验和直觉，或通过广泛的搜索来实现的。在随机搜索中，研究人员在多种类型的超参数上应用了许多随机超参数调度，以便独立地并行地训练不同的网络 ，然后可以选择性能最佳的模型。

因为并行训练大量模型在计算上是昂贵的，所以研究人员通常通过在训练期间监视网络，手动调整随机搜索，定期剔除最弱表现的运算并释放资源，以从头开始用新的随机超参数训练新网络。这种类型的手动调整可以更快地产生更好的结果，但这是非常耗费人力的。

为了提高这一过程的效率，DeepMind 的研究人员设计了一种基于进化竞争（PBT）自动确定良好超参数调度的方法，该方案结合了手动调整和随机搜索的优点。

基于PBT模型如何运作：

PBT的工作原理是同时启动许多超参数搜索，并定期进行“竞争”以比较模型的性能。从训练池中删除失败的模型，并且仅使用获胜模型继续训练，使用稍微突变的超参数更新。

PBT比研究人员采用的传统方法更有效，例如随机搜索，因为每个新的神经网络都继承了其父网络的完整状态，并且不需要从一开始就重新开始训练。此外，超参数不是静态的，而是在整个培训过程中积极更新。与随机搜索相比，PBT将更多的资源培训用于成功的超参数值。

实验取得了不错的进展，PBT算法不仅实现了更高的精度，并且减少24％的误报、保持了较高的召回率。

同时，PBT还节省了时间和资源。通过PBT训练的网络，时间和资源只有原来的一半。24％的误报，同时也能保持较高的召回率。此外，PBT所需的训练时间和计算资源仅为原来的一半。

现在，Waymo 已将 PBT 纳入了技术基础设施中，研究人员点点按钮就能应用该算法，DeepMind 每隔 15 分钟就会对模型进行一次评估，以让测试结果更准确。

这是Waymo第一次曝光的与DeepMind在网络上的合作，然而这种异步优化的PBT方法其实早就出现了。

它在Multi－Agent或者并行训练中被提到过，甚至在DeepMind 星际争霸II里的AlphaStar中都使用了该方法。主要用来自适应调节超参数。打破了通常的深度学习，超参数都是凭经验预先设计好的，会花费大量精力且不一定有好的效果，特别是在深度强化学习这种非静态（non－stationary）的环境中，要想得到SOTA效果，超参数还应随着环境变化而自适应调整，比如探索率等等。这种基于种群（population）的进化方式，淘汰差的模型，利用（exploit）好的模型并添加随机扰动（explore）进一步优化，最终得到最优的模型。

有学者曾分别从强化学习，监督学习，GAN三个方面做实验，论证了这个简单但有效的算法。

与其他领域不同的是，自动驾驶会涉及人身安全，所以应用起来不像博弈游戏一样随便，通过竞争筛选模型是一个优势，但同样也可能是个劣势，需要提供足够的种群才能让筛选出的网络结构变得意义。