Uber近期发布了一篇文章，公开了五篇关于深度神经进化的论文，其中包括发现了遗传算法可以解决深层强化学习问题，而一些流行的方法也可替代遗传算法，如深度Q-learning和策略梯度。这项研究是Salimans等人在2017年进行的，另一种神经进化算法，即进化策略（ES）同样可以解决问题。Uber进一步阐述了以下问题：如何通过更多地探索更新智能体所带来的压力形式来改进ES；ES是如何与梯度下降联系起来的。这些研究花费巨大，通常需要720到3000个CPU，并分布在巨大，高性能的计算集群中，因此对于大多数研究人员、学生、公司和业余爱好者来说，深度神经进化研究似乎遥不可及。

好消息是，Uber开源了代码，使得进行这样的研究既快捷，成本又低。用这些代码训练深度神经网络操作Atari，由之前用720个CPU、花费1小时，到现在用新式个人计算机、花费少于4小时就可以实现。这一进展至关重要，因为它极大地影响了对开展此类研究所需资源的认识，使更多的研究人员得以开展这一研究。

 

[video width="160" height="210" mp4="http://imgcdn.atyun.com/2018/04/frostbite_ga_noframeskip.mp4"][/video]

[video width="1000" height="1000" mp4="http://imgcdn.atyun.com/2018/04/solution1.mp4"][/video]

神经进化技术是解决深度强化学习问题（如Atari或人形运动）的极具竞争力的替代方案。视频里的示范是用简单遗传算法进行的深度神经网络训练。

是什么让研究进展加快，而且只用一台电脑就能解决问题？

新式高端计算机中有许多虚拟核心，表现与新式计算集群类似。如果进行适当的并行评估，在720核上需运行1小时，那么在48核的个人电脑的CPU上运行，就要花费16小时，这是相当缓慢的过程，但也不算慢得离谱。新式计算机也带有GPU，然而运行深度神经网络就很迅捷。研究者使用的代码在并行方面最大化了CPU和GPU的使用。在GPU上运行深度神经网络，而在CPU上运行域（如视频游戏或物理模拟器），在同一批中执行并行多重评估，使所有可用的硬件都可充分利用。正如下方所描述的那样，这也包括自定义TensorFlow操作，同样可以显著提高训练速度。

在GPU上进行训练，需要对神经网络操作的计算方式进行一些修改。在Uber的设置中，运行单个神经网络，用单独的CPU比GPU速度更快，不过在并行相似的计算指令时（比如神经网络forward pass），GPU效果更明显。为了更好利用GPU，Uber聚合了多重神经网络forward pass并将其分批处理。在神经网络研究中，这样的做法是非常普遍的，不过通常会涉及到相同的神经网络处理一批不同的输入。

然而进化算法是在不同的神经网络总体中运行的，但即使神经网络不同（对内存需求也增加了），依然可以加速。Uber使用基本的TensorFlow操作来执行这个总体的批处理，速度提升了近两倍，节省了大约8小时的训练时间。不过Uber可以做到更好。TensorFlow提供了所有必需的操作，这些操作不会因为计算类型改变。因此，Uber添加了两类常规TensorFlow操作，结合这种操作可以再将速度加快两倍，从而将每台机器的训练时间减少到4小时，即本文开篇所提到的时间长度。

第一个自定义的TensorFlow操作显著加快了GPU的处理速度。它是专门为RL领域的异构神经网络计算而构建的，在这一领域中每一个处理的长度不尽相同，在Atari和许多模拟机器人学习任务中也是如此。因此GPU只运行需要的神经网络数量就够了，而不需要在运行每次迭代中，都配备一组固定的（大型）神经网络。

到目前为止所描述的方法改进，使得GPU比CPU更具成本效益。事实上，GPU速度相当快，以至于Atari模拟（CPU）无法跟上，即使是用多重处理库进行并行化计算也一样。为了提高模拟性能，Uber添加了第二组自定义的TensorFlow操作。

这些操作改变了Atari模拟的封装器——从Python变为自定义的TensorFlow命令（重置、步骤、观察），这些命令利用了TensorFlow提供的快速多线程功能，从而避免了Python和TensorFlow交互时出现的减速现象。总的来说这些变化使Atari模拟器加快3倍。对于多重领域的实例并行运行之类的强化学习研究来说，这些创新可以使其加速，而并行运行技术在强化学习中也越来越常见，比如分布式深度Q-learning(DQN)，分布式策略梯度。

一旦Uber有能力在GPU上快速运行网络总体，并在CPU上运行更快的域模拟器，那么使计算机上的资源尽可能多地运行就成了新的挑战。如果在每个神经网络上执行forward pass，并询问在当前的状态下应该采取怎样的行动，当每个处理都在计算答案时，运行游戏模拟器的CPU会停止运行。同理，如果Uber之后采取行动并询问域模拟器：这些行动会导致怎样的状态？那么在模拟问题情境时，运行神经网络的GPU将会停止运行。下面展示了多线程CPU+GPU选择过程。而即使改进单线程计算，效率仍然低下。

最好的解决方案就是将两个或多个神经网络子集合与模拟器配对，让GPU和CPU同时运行，以更新神经网络，或根据准备好要进行的步骤（神经网络或模拟），更新来自不同集合的模拟。这种方法如下图最右所示的“pipelined CPU+GPU”。用这种方法，以及其他上文提到的改进方法，Uber能够将单一计算机的神经网络训练时间减少到4小时以内。



优化RL中异构神经网络总体的安排。蓝色的盒子是域模拟器，如Atari游戏模拟器或者MuJoCo的物理引擎，每一处理长度不同。使用GPU（左）会导致性能低下，原因有两个：1）无法利用GPU批处理大小的并行计算能力，2）GPU等待CPU处理完成的空闲时间，反之亦然。多线程的方法（中）通过允许多个CPU并行处理模拟器，从而更有效地使用GPU，但是当cpu在工作时，GPU就会处于空闲状态，反之亦然。Pipelined执行方法（右）使GPU和CPU高效运行，这种方法也适用于多个GPU和CPU同时运行，正如研究者在实践中所做的那样。

更快，成本更低的实验带来的影响

Uber的代码可以让这一领域的所有研究者（包括学生和自学者），在训练神经网络挑战Atari这样问题时，能够快速进行实验迭代。而这在之前，这种实验通常只有资金充足的产业或学术实验室才能负担得起。

运行速度快的代码推进研究的进步。比如，Uber的新代码让Uber能够建立广泛的用于搜索遗传算法的超参数，成本很低，比起Uber最先的报道中的结果，在大部分Atari游戏中的表现显著提升。运行速度快的代码也促进了Uber目前的研究，例如通过节省迭代时间来改进深度神经进化，而且Uber能够在更多领域上尝试新想法，更持久地运行算法。

Uber的新软件资源库包括深层遗传算法的执行程序，Salimans等人提供的进化策略算法，以及Uber的（相当有竞争力）随机搜索控制套件。Uber希望其他人使用Uber的代码来加快他们的研究活动。Uber也邀请了专家群体建立代码以便进行改进。比如，对于分布式GPU训练和为这种类型的计算自定义其他的TensorFlow操作，还可以进一步加速。

在深度神经进化发展前景广阔，除了Uber，OpenAI，使用DeepMind、Google Brain和Sentient的进化算法，也加快了深度学习的研究进展。Uber希望开源代码这一举措，能够使更多人走进这个领域。

总之，Uber的目标是降低这项研究的成本，让各个背景的研究人员都可以尝试自己的想法，以改进深层神经进化，并利用这一方法完成他们的目标。