谷歌大脑撰文解析 神经网络如何自行设计神经架构 AutoML (谷歌大脑项目)

谷歌大脑撰文解析 AutoML:神经网络如何自行设计神经架构? | Google I/O 2017

在 Google I/O 大会上,谷歌公布了最新的机器学习算法——AutoML,随即,Quoc Le 与 Barret Aoph 大神在 Google Research Blog 上发布了一篇名为《采用机器学习探索神经网络架构》的文章。雷锋网进行了编译,并做了不改动原意的编辑和修改。

「在谷歌团队,我们成功地将深度学习模型应用于非常多的领域,从图像识别、语音识别到机器翻译等等。自然,这些工作离不开一整支工程师与科学家团队的努力。人工设计机器学习模型的过程实际上绝非坦途,因为所有可能组合模型背后的搜索空间非常庞大——一个典型的十层神经网络可能有~10种可能的神经网络组合。问题也接踵而至,为了应对这样庞大的数量级,神经网络的设计不仅耗时,而且需要机器学习专家们累积大量的经验。」

谷歌大脑撰文解析 AutoML:神经网络如何自行设计神经架构? | Google I/O 2017

如图是 GoogleNet 的架构。神经网络的设计需要从最初的卷积架构开始,进行多年的细心调试

为了让机器学习模型的设计变得更加简单,谷歌团队一直希望能让这一过程自动化。此前谷歌也有做不少尝试,包括 evolutionary algorithms 与 reinforcement learning algorithms 等算法已经呈现了比较好的结果。而 Quoc Le 与 Barret Zoph 在此文中所展现的,是谷歌大脑团队目前在强化学习上得到的一些尝试与早期结果。

谷歌大脑撰文解析 AutoML:神经网络如何自行设计神经架构? | Google I/O 2017

在团队一个名为「AutoML」的项目中(如图所示),左边有一个名为「控制器」(The controller)的 RNN,它设计出一个「child」的模型架构(雷锋网觉得可以称之为「雏形/子架构」),而后者能够通过某些特定任务进行训练与评估。随后,反馈的结果(feedback)得以返回到控制器中,并在下一次循环中提升它的训练设定。这一过程重复上千次——生成新的架构、测试、再把反馈输送给控制器再次学习。最终,控制器会倾向于设计那些在数据集中能获得更高准确性的架构,而反之亦然。

谷歌团队将这一方法应用于深度学习的两大数据集中,专注图像识别的 CIFAR-10 与语言建模的 Penn Treebank。在两个数据集上,系统自行设计的模型性能表现与目前机器学习专家所设计的领先模型不相上下(有些模型甚至还是谷歌成员自己设计的!)。

谷歌大脑撰文解析 AutoML:神经网络如何自行设计神经架构? | Google I/O 2017

猜猜哪个是人类设计的神经网络架构,哪个是机器设计的?

让机器自行选择架构(machine-chosen architecture),与人类在设计神经网络的时候有一些共通之处,比如都采用了合并输入,并借鉴了此前的隐藏层。但其中也有一些亮点,比如机器选择的架构包含乘法组合 ( multiplicative combination),如右图最左边(机器设计)的蓝色标签为「elem_mult」。对于循环神经网络而言,出现组合的情况并不多见,可能因为人类研究者并没有发现明显的优势。有意思的地方在于,此前人类设计者也提议过机器采用的乘法组合,认为这种方法能够有效缓解梯度消失/爆炸问题。这也就意味着,机器选择的架构能够对发现新的神经架构大有裨益。

此外,机器还能教会人类为何某些神经网络的运行效果比较好。上图右边的架构有非常多的渠道,梯度可以向后流动,这也解释了为何 LSTM RNNs 的表现比标准 RNN 的性能要好。

「从长远看来,我们对于机器所设计的架构进行深入的分析和测试,这能够帮助我们重新定义原本自身对架构的看法。如果我们成功,这意味着将会启发新的神经网络的诞生,也能让一些非专家研究人员根据自己的需要创造神经网络,让机器学习造福每一个人。」

参考文献:

[1] Large-Scale Evolution of Image Classifiers ,Esteban Real, Sherry Moore, Andrew Selle, Saurabh Saxena, Yutaka Leon Suematsu, Quoc Le, Alex Kurakin. International Conference on Machine Learning, 2017.

[2] Neural Architecture Search with Reinforcement Learning ,Barret Zoph, Quoc V. Le. International Conference on Learning Representations, 2017.

via research.googleblog ,雷锋网编译

版权文章,未经授权禁止转载。详情见 转载须知 。

谷歌大脑撰文解析 AutoML:神经网络如何自行设计神经架构? | Google I/O 2017


本文地址: /article/f9a662e8a9b2307e872f.html
全局中部横幅
全局中部横幅
百度营销-用科技让营销更简单

百度营销,企业网络营销首选平台,为企业提供搜索广告、信息流广告、品牌广告等多种广告营销服务,获客热线:400-800-8888。

行业企业网站 - 行业企业网站排名 - 网站排行榜

行业企业网站排名,根据网站的综合值按照不同的行业企业网站进行筛选排名结果,通过筛选行业企业网站可以看到每个行业企业网站里面的网站排名优质的网站是哪些

AI绘画 - AI绘画生成器|AI画图工具 - 改图鸭

AAI绘画生成器是一款在线使用的AI自动生成绘画软件,借助AI画图工具,只需输入文字描述即可进行智能AI作画,AI绘画生成器内置多种图像风格,满足多种场景下的AI绘画需求..

首播歌曲MV_高清歌曲MV_MV分类_酷我音乐

酷我音乐是无损音乐正版在线试听网站,歌曲mv在线免费看,酷我音乐为您提供,华语,日韩,网络,欧美,现场,热舞,伤感,剧情等精选歌曲mv,好音质,用酷我。陪着我,不要停

共产党员网_中共中央组织部

共产党员网(www.12371.cn)是由中央组织部主管、中组部党员教育中心主办、央视网承办的党员教育平台。

陕西本道传媒_西安标识标牌设计_智慧工地_企业文化建设

陕西本道传媒深耕工程领域20余年,其业务地域广袤,内容包含西安标识标牌设计、安全文明标准化工地、西安企业文化建设和西安智慧工地建设等,为中国中铁、中国铁建、中国石油、陕西交控等工程企业客户提供文化建设服务。

广州鑫亮电脑打印机维修上门

广州鑫亮信息科技有限公司旗下鑫亮办公_专业电脑销售,电脑维修,电脑组装,打印机销售,打印机维修,二手打印机销售,广州上门维修电脑打印机,电脑回收,打印机回收,广州一体机维修上门,回收电脑,回收笔记本,回收打印机,回收复印机,广州网络维护等各类办公设备销售,维修,租赁,回收服务!

实验室塑料风机,废气处理风机,防腐耐酸碱风机-苏州顶裕节能设备有限公司

苏州顶裕节能设备有限公司(www.winfansz.cn)是专业的实验室塑料风机,化工用废气风机,废气处理风机,防腐耐酸碱风机供应商,顶裕品牌,是致力于成为环保设备市场上的长期配套供货厂家,长期坚守岗位,伴随客户成长,带客户效益,体现价值。

专业生产:智能红绿灯、倒计时显示器、雷达测速器-赛诺杰厂家

专业出口级交通信号灯厂家深圳赛诺杰,产品符合CE、ISO等国际标准。提供智能行人信号灯、太阳能信号灯、雷达测速器全套方案,具备丰富的海外项目经验,支持深度定制与批量出口。

全局底部横幅