基于多目标贝叶斯优化的延迟感知神经架构搜索
机器学习
2021-06-29 v2
摘要
在为设备端部署调整大型机器学习模型的架构与超参数时，理解设备端延迟与模型精度之间的最优权衡是可取的。在本工作中，我们利用近年来高维搜索空间贝叶斯优化与多目标贝叶斯优化的方法进展，为 Facebook 的一个生产级设备端自然语言理解模型高效探索这些权衡。
引用
@article{arxiv.2106.11890,
title = {Latency-Aware Neural Architecture Search with Multi-Objective Bayesian Optimization},
author = {David Eriksson and Pierce I-Jen Chuang and Samuel Daulton and Peng Xia and Akshat Shrivastava and Arun Babu and Shicong Zhao and Ahmed Aly and Ganesh Venkatesh and Maximilian Balandat},
journal= {arXiv preprint arXiv:2106.11890},
year = {2021}
}
备注
To Appear at the 8th ICML Workshop on Automated Machine Learning, ICML 2021