轻量型网络：MoGA简介
加入极市专业CV交流群，与6000+来自腾讯，华为，百度，北大，清华，中科院等名企名校视觉开发者互动交流！更有机会与李开复老师等大牛群内互动！
同时提供每月大咖直播分享、真实项目需求对接、干货资讯汇总，行业技术交流。关注 极市平台 公众号 ，回复 加群，立刻申请入群~
作者：Happy https://zhuanlan.zhihu.com/p/76909380 来源：知乎，已获作者授权转载，禁止二次转载。
该文是小米AI Lab公开于预印版的一篇关于手机端GPU推理的NAS方法。
MobileNet在手机端神经网络应用中留下了浓重的一笔。MobileNetV3的提出，进一步表明了NAS在网络架构设计中的优越性。然而，已有手机端网络主要集中于CPU延迟，而非GPU。事实上，在工业应用中GPU端模型具有更高的应用潜力(现在手机大部分都支持GPU)。为填补该空白，小米AI Lab的研究院提出首个手机GPU导向NAS以促进实际应用。更进一步，它的终极目标是：在有限资源下，设计出具有更高性能、更低延迟的手机端架构。最终，作者搜索到一类优于MobileNetV3的架构(相似延迟约束)，比如MoGA-A取得了75.9%top-1精度，MoGA-B取得了75.5%精度且仅比MobileNetV3在GPU端慢0.5ms，而MoGA-C以更高精度(75.3%)，更快速度优于MobileNetV3(75.2%).
Background
MobileNet在手机端网络架构设计方面留下了浓重的一笔，其也是近来NAS搜索的一个baseline。然而，现有NAS方法大多以“低CPU延迟”作为主要优化目标。但实际上，“低GPU延迟”在实际手机端应用更具优势(现有主流手机基本都支持GPU)，因而很有必要将NAS优化目标从“低CPU延迟”向“低GPU延迟”迁移。
鉴于此，小米AI Lab的研究员以此作为出发点，并将其搜索网络命名为"Mobile GPU-Aware Neural Architecture Search,(MoGA)"。同时，它以模型精度、延迟以及参数量作为总体优化目标，很重要的一点是模型参数量应具有足够大以促进性能的提升，参数量提升并不一致于延迟增加。比如下图中MobileNet系列的相关对比。
Method
Mobile GPU Awareness
近期的NAS方法更多着重于手机CU端，对手机GPU端的关注极少。在实际应用，轻量型神经网络主要部署到手机GPU，DSP以及NPU上，CPU则是最后不得已之下的选择。为进一步说明CPU延迟与GPU延迟之间的关联性，作者随机评估了100个模型在CPU与GPU端的延迟对比(见下图)。从中可以看出：两者并无明显的线性关系。因此，特定平台的架构搜索更有必要性。
Problem Formulation
大多数NAS将分类问题定义：
小米AI Lab的研究员将其重定义为多目标优化问题，将上述优化问题重定义为：
搜索空间
该搜索空间基于Inverted Bottleneck模块设计，采用逐层搜索方案，同时具有与MobileNetV3-Large同等的层与激活函数。对每一层从以下三个维度进行搜索：
卷积核尺寸：(3, 5, 7)；
逆残差模块中的扩展比例：(3, 6)；
是否引入SE模块。
Latency Prediction
由于该搜索空间中每个模块均具有固定的输入，因而可以采用统计延迟方式制作查找表。然后将延迟采用逐层累计方式得到模型的延迟耗时。GPU实际延迟与预测耗时对比见下图，误差不大于0.0571ms.
Pipeline
下图给出了该NAS方案的整体流程图。感兴趣者可以查阅原文得到更为详细的描述。
Experiments
实验部分简单的列举几个关键性的图。为对比模型的性能，作者采用了SNPE，MACE以及TFLite作为评估框架。
最终搜索得到的三个架构如下所示：
Conclusion
总而言之，作者讨论了手机端神经网络架构设计中的几个关键因素。首先，作者提出了首个手机端GPU模型解决方案(这是因为在实际产品中，因其第延迟，低开小，在GPU上运行网络更受欢迎，已有工作更多关注于CPU端模型设计)；其次，过拟合并非手机端模型的主要考虑因素，因而可以释放出更多的表达能力以拟合其他约束；最后，作者在MnasNet与MobileNetV3基础上，采用NAS进行手机端架构搜索，得到一类SOTA性能的网络MoGA-A，MoGA-B以及MoGA-C。
-End-
*延伸阅读
添加极市小助手微信（ID : cv-mart），备注：研究方向-姓名-学校/公司-城市（如：目标检测-小极-北大-深圳），即可申请加入目标检测、目标跟踪、人脸、工业检测、医学影像、三维&SLAM、图像分割等极市技术交流群，更有每月大咖直播分享、真实项目需求对接、干货资讯汇总，行业技术交流，一起来让思想之光照的更远吧~
△长按添加极市小助手
△长按关注极市平台
觉得有用麻烦给个在看啦~