為了探索AutoML在序列域中的應用是否能夠取得的成功，谷歌的研究團隊在進行基于進化的神經(jīng)架構搜索（NAS）之后，使用了翻譯作為一般的序列任務的代理，并找到了Evolved Transformer這一新的Transformer架構。Evolved Transformer不僅實現(xiàn)了最先進的翻譯結果，與原始的Transformer相比，它還展示了語言建模的改進性能。

自幾年前推出以來，Google的Transformer架構已經(jīng)應用于從制作奇幻小說到編寫音樂和聲的各種挑戰(zhàn)。重要的是，Transformer的高性能已經(jīng)證明，當應用于序列任務（例如語言建模和翻譯）時，前饋神經(jīng)網(wǎng)絡可以與遞歸神經(jīng)網(wǎng)絡一樣有效。雖然用于序列問題的Transformer和其他前饋模型越來越受歡迎，但它們的架構幾乎完全是手動設計的，與計算機視覺領域形成鮮明對比。AutoML方法已經(jīng)找到了最先進的模型，其性能優(yōu)于手工設計的模型。當然，我們想知道AutoML在序列域中的應用是否同樣成功。

在進行基于進化的神經(jīng)架構搜索（NAS）之后，我們使用翻譯作為一般的序列任務的代理，我們找到了Evolved Transformer，這是一種新的Transformer架構，它展示了對各種自然語言處理（NLP）任務的有希望的改進。Evolved Transformer不僅實現(xiàn)了最先進的翻譯結果，而且與原始的Transformer相比，它還展示了語言建模的改進性能。我們是將此新模型作為Tensor2Tensor的部分發(fā)布，它可用于任何序列問題。

開發(fā)技術

要開始進化NAS，我們有必要開發(fā)新技術，因為用于評估每個架構的“適應性”的任務——WMT'14英語-德語翻譯——計算量很大。這使得搜索比在視覺領域中執(zhí)行的類似搜索更加昂貴，這可以利用較小的數(shù)據(jù)集，如CIFAR-10。

這些技術中的第一種是溫啟動——在初始進化種群中播種Transformer架構而不是隨機模型。這有助于在我們熟悉的搜索空間區(qū)域中進行搜索，從而使其能夠更快地找到更好的模型。

第二種技術是我們開發(fā)的一種稱為漸進動態(tài)障礙（PDH）（Progressive Dynamic Hurdles）的新方法，這種算法增強了進化搜索，以便為最強的候選者分配更多的資源，這與先前的工作相反，其中NAS的每個候選模型被分配相同的評估時的資源量。如果模型明顯不好，PDH允許我們提前終止對模型的評估，從而使有前途的架構獲得更多資源。

Evolved Transformer簡介

使用這些方法，我們在翻譯任務上進行了大規(guī)模的NAS，并發(fā)現(xiàn)了Evolved Transformer（ET）。與大多數(shù)序列到序列（seq2seq）神經(jīng)網(wǎng)絡體系結構一樣，它有一個編碼器，將輸入序列編碼為嵌入，解碼器使用這些嵌入構造輸出序列；在翻譯的情況下，輸入序列是要翻譯的句子，輸出序列是翻譯。

演化變壓器最有趣的特征是其編碼器和解碼器模塊底部的卷積層，在兩個地方都以類似的分支模式添加（即輸入在加到一起之前通過兩個單獨的卷積層）。

Evolved Transformer與原始Transformer編碼器架構的比較。注意模塊底部的分支卷積結構，它獨立地在編碼器和解碼器中形成。

這一點特別有趣，因為在NAS期間編碼器和解碼器架構不共享，因此獨立發(fā)現(xiàn)該架構對編碼器和解碼器都很有用，這說明了該設計的優(yōu)勢。雖然最初的Transformer完全依賴于自我關注，但Evolved Transformer是一種混合體，利用了自我關注和廣泛卷積的優(yōu)勢。

對Evolved Transformer的評估

為了測試這種新架構的有效性，我們首先將它與我們在搜索期間使用的英語-德語翻譯任務的原始Transformer進行了比較。我們發(fā)現(xiàn)在所有參數(shù)尺寸下，Evolved Transformer具有更好的BLEU和 perplexity performance，擁有最大增益與移動設備兼容（約700萬個參數(shù)），證明了參數(shù)的有效使用。在更大的尺寸上，Evolved Transformer在WMT'14 En-De上達到了最先進的性能，BLEU得分為29.8，SacreBLEU得分為29.2。

不同尺寸的WMT'14 En-DeEvolved Transformer與原Transformer的比較。性能的最大提高發(fā)生在較小的尺寸上，而ET在較大的尺寸上也顯示出強度，優(yōu)于最大的Transformer，參數(shù)減少37.6%（要比較的模型用綠色圈出）。

為了測試普遍性，我們還在其他NLP任務上將ET與Transformer進行了比較。首先，我們研究了使用不同語言對的翻譯，發(fā)現(xiàn)ET表現(xiàn)提升，其邊緣與英語-德語相似;再次，由于其有效使用參數(shù)，對于中型模型觀察到了最大的提升。我們還比較了使用LM1B進行語言建模的兩種模型的解碼器，并且看到性能提升近2個perplexity。

未來工作

這些結果是探索體系結構搜索在前饋序列模型中應用的第一步。Evolved Transformer作為Tensor2Tensor的一部分已開源，在那里它可以用于任何序列問題。為了提高可重復性，我們還開源了我們用于搜索的搜索空間，以及實施漸進動態(tài)障礙的Colab。我們期待著看到研究團體用新模型做了什么，并希望其他人能夠利用這些新的搜索技術！