IRLAS：用于架构搜索的逆强化学习
计算机视觉与模式识别
2019-11-07 v5 人工智能
摘要
本文提出一种用于架构搜索的逆强化学习方法（IRLAS），其训练智能体学习搜索受人类设计网络拓扑启发的网络结构。多数现有架构搜索方法完全忽略架构的拓扑特征，导致架构复杂且推理延迟高。受人类设计网络拓扑优雅且推理速度快这一事实的启发，我们提出一种受生物认知理论启发的镜像刺激函数，以提取专家人类设计网络（ResNeXt）的抽象拓扑知识。为避免在搜索空间上施加过强先验，我们引入逆强化学习来训练镜像刺激函数，并将其用作架构搜索的启发式引导，可轻松推广至不同架构搜索算法。在CIFAR-10上，我们IRLAS搜索出的最佳架构达到2.60%错误率。对于ImageNet移动端设定，我们的模型取得最先进的75.28% top-1准确率，同时比多数自动生成架构快2~4倍。该模型的快速版本比MobileNetV2快10%，且保持更高准确率。
引用
@article{arxiv.1812.05285,
title = {IRLAS: Inverse Reinforcement Learning for Architecture Search},
author = {Minghao Guo and Zhao Zhong and Wei Wu and Dahua Lin and Junjie Yan},
journal= {arXiv preprint arXiv:1812.05285},
year = {2019}
}