Core Concepts
複数の集団を使用した新しいアプローチで、ネットワークアーキテクチャの探索を効率化する方法を提案します。
Abstract
Evolutionary Neural Architecture Search (ENAS) の有効性は、探索空間の設計に影響されます。
一般的な方法には、グローバル探索空間、スケーラブル探索空間、階層的探索空間があります。
MPAEは、ネットワークアーキテクチャを検索する新しいパラダイムを提案しました。
ポピュレーション移行メカニズムは、優れた知識と経験を活用して進化プロセスを加速します。
CIFARデータセットでのニューラルネットワークの検索に0.3 GPU日しか必要とせず、最先端の結果を達成します。
Introduction
NASは自動的にニューラルネットワークアーキテクチャを探索して最適化する手法です。
ENASや他の既存手法では特定の制限や課題があります。
Methodology
マルチポピュレーション交互進化戦略(MPAE)フレームワークを開発しました。
初期化段階ではL層スーパーネットが作成されます。
ポピュレーションおよび移行アーカイブが更新されます。
Experiment Results
CIFAR10およびCIFAR100データセットでMPAEは他手法よりも高い分類精度と低い検索コストで優れた結果を示しました。
ImageNetデータセットでもMPAEは競合手法と比較して高い性能と低い検索時間で優れた結果を達成しました。
Stats
MPAEはCIFARデータセットで0.3 GPU日しか必要とせず、最先端の結果を達成します。