偏序剪枝：面向神经架构搜索的最佳速度/精度权衡
计算机视觉与模式识别
2019-04-08 v2
摘要
在真实场景部署深度神经网络时，在目标平台上实现良好的速度与精度权衡非常重要。然而，大多数现有自动架构搜索方法仅关注高性能。本工作中，我们提出一种能提供更优搜索网络速度/精度权衡的算法，称为“偏序剪枝”(Partial Order Pruning)。它以偏序假设剪枝架构搜索空间，自动搜索具有最佳速度精度权衡的架构。我们的算法显式考虑目标平台上关于推理速度的 profile 信息。利用所提算法，我们给出若干东风(DF)网络，在各种应用 GPU 平台上提供高精度与快速推理速度。通过进一步搜索解码器架构，我们的 DF-Seg 实时分割网络在目标嵌入式设备与高端 GPU 上均取得最先进的速度/精度权衡。
引用
@article{arxiv.1903.03777,
title = {Partial Order Pruning: for Best Speed/Accuracy Trade-off in Neural Architecture Search},
author = {Xin Li and Yiming Zhou and Zheng Pan and Jiashi Feng},
journal= {arXiv preprint arXiv:1903.03777},
year = {2019}
}
备注
Accepted to CVPR 2019