面向性能的神经网络架构搜索

软硬件协同设计是提升领域专用计算系统性能的一种极为成功的策略。我们主张将同一方法应用于深度学习；具体而言，我们提议用关于硬件的信息扩展神经网络架构搜索，以确保所产生的模型设计除围绕精度的典型标准外还具有高效性。利用边缘计算设备上音频中的关键词 spotting 任务，我们展示了我们的方法所得的神经架构不仅高度准确，而且被高效映射到将执行推理的计算平台。使用我们改进的神经网络架构搜索，我们在嵌入式 SoC 上实现了音频关键词 spotting 的 TOP-1 精度提升 $0.88\%$ 且延迟降低 $1.85\times$，在高端 GPU 上降低 $1.59\times$。