Google представили алгоритм для автоматизации поиска нейронных архитектур для мобильных устройств
Google представили автоматизированную систему MnasNet, которая анализирует нейронные архитектуры, используя обучение с подкреплением, учитывая ограничения в скорости на мобильных устройствах. В основе системы три компонента: контроллер RNN для обучения и моделирования архитектуры; тренер, для генерации и обучения моделей, и движок вывода, основанный на TensorFlow Lite, для измерения скорости работы модели на мобильном устройстве. Выбранные архитектуры работают в 1,5 раза быстрее, чем MobileNetV2, и в 2,4 раза быстрее, чем NASNet.
Google представили автоматизированную систему MnasNet, которая анализирует нейронные архитектуры, используя обучение с подкреплением, учитывая ограничения в скорости на мобильных устройствах. В основе системы три компонента: контроллер RNN для обучения и моделирования архитектуры; тренер, для генерации и обучения моделей, и движок вывода, основанный на TensorFlow Lite, для измерения скорости работы модели на мобильном устройстве. Выбранные архитектуры работают в 1,5 раза быстрее, чем MobileNetV2, и в 2,4 раза быстрее, чем NASNet.