写这个博客,主要是想做一下这方面的工作,想要使用代理模型来提高NAS效率。
运用代理模型求解优化问题是优化领域的一个重要思想,该思想是:
(1)将一个复杂的函数通过采集特征点构造一个相对简单的新的函数,我们称之为代理模型。
(2)再对代理模型进行优化求得最优解。
(3)由于该代理的模型只能一定程度上代表真实模型,它到最优解并不能直接代表原目标函数的最优解,所以需要对代理模型进行更新.
(4)通常是以一定的判据来重新采点,重新构造代理模型,直到满足收敛条件,便停止对代理模型的更新,所得的最优解即视为原函数的最优解。
在神经网络架构搜索过程中,代理模型简单来说就是,训练并利用一个计算成本较低的模型,去模拟原本计算成本较高的那个模型的预测结果,当需要计算的大模型的数量较多时,可以避开很多计算。
《NSGA Net V2: Evolutionary Multi-Objective Surrogate-Assisted Neural Architecture Search》
NSGANetV2:进化的多目标代理辅助神经体系结构搜索
摘要
这篇论文提出了一个高效的NAS算法,用于生成在多个竞争目标下具有竞争力的特定任务。包含两个代理模型:
(1)一个在体系结构级别,来提高的效率。
(2)一个在权重级别,通过超网,来提高梯度下降的训练效率。