AutoCoMet：通过协同调节塑形强化实现的智能神经架构搜索
机器学习
2022-03-30 v1 人工智能
计算机视觉与模式识别
摘要
为AI驱动的端侧应用与功能设计合适的深度模型架构，以匹配快速演进的移动硬件与日益复杂的任务场景，是一项困难任务。尽管神经架构搜索（NAS/AutoML）通过将范式从大量人工劳作转向从数据自动学习架构而简化了该过程，但其仍存在重大局限，在移动设备场景下导致关键瓶颈，包括模型-硬件保真度不足、搜索时间过高以及偏离主要目标。因此，我们提出AutoCoMet，可学习最适配各类设备硬件与任务上下文的DNN架构，速度约快3倍。我们新颖的协同调节塑形强化控制器连同高保真硬件元行为预测器，产出了一个智能、快速的NAS框架，其通过面向任意多准则优化的广义形式化适配上下文。
引用
@article{arxiv.2203.15408,
title = {AutoCoMet: Smart Neural Architecture Search via Co-Regulated Shaping Reinforcement},
author = {Mayukh Das and Brijraj Singh and Harsh Kanti Chheda and Pawan Sharma and Pradeep NS},
journal= {arXiv preprint arXiv:2203.15408},
year = {2022}
}
备注
ICPR 2022