ExpertMatcher：面向资源受限国家用户的机器学习模型自动选择方法
机器学习
2019-10-08 v1 计算机视觉与模式识别
分布式、并行与集群计算
摘要
在这项工作中，我们介绍了ExpertMatcher，一种利用自编码器实现深度学习模型自动选择的方法。具体而言，我们关注于在分布式跨多个客户端的数据源上，使用集中式服务器上预训练的专家ML网络进行推理。ExpertMatcher根据客户端的数据表示，为其分配中央服务器中最相关的模型。这使得发展中国家资源受限的客户端能够利用其给定任务最相关的ML模型，而无需评估每个ML模型的性能。该方法是通用的，可惠及任何存在本地客户端和大量集中式专家ML模型的场景。
引用
@article{arxiv.1910.02312,
title = {ExpertMatcher: Automating ML Model Selection for Users in Resource Constrained Countries},
author = {Vivek Sharma and Praneeth Vepakomma and Tristan Swedish and Ken Chang and Jayashree Kalpathy-Cramer and Ramesh Raskar},
journal= {arXiv preprint arXiv:1910.02312},
year = {2019}
}
备注
In NeurIPS Workshop on Machine learning for the Developing World (ML4D)