MS-RANAS：多尺度资源感知神经架构搜索
计算机视觉与模式识别
2020-09-30 v1 机器学习
摘要
神经架构搜索（NAS）已证明能有效提供优于手工设计神经网络的替代方案。本文中，我们分析了在严格计算约束下 NAS 对图像分类任务的益处。我们的目标是自动化设计高效深度神经网络，其能够提供快速且准确的预测，并可部署于低内存、低功耗片上系统。该任务因而成为准确性、计算复杂度与内存需求之间的三方权衡。为解决此问题，我们提出多尺度资源感知神经架构搜索（MS-RANAS）。我们采用一次性架构搜索方法以获得降低的搜索成本，并聚焦于 anytime 预测设置。通过使用多尺度特征与早期分类器，我们在准确性-速度权衡方面取得了当前最优结果。
引用
@article{arxiv.2009.13940,
title = {MS-RANAS: Multi-Scale Resource-Aware Neural Architecture Search},
author = {Cristian Cioflan and Radu Timofte},
journal= {arXiv preprint arXiv:2009.13940},
year = {2020}
}