ICLR2019最佳论文!神经网络子网络压缩10倍,精确度保持不变 | MIT出品

栏目: 数据库 · 发布时间: 5年前

内容简介:在大洋彼岸的新奥尔良,正在举行一年一度的机器学习顶会:ICLR 2019。今年,ICLR19共收到了1578篇投稿,较去年增长60%。在这1600篇论文中,MIT的“彩票假设”理论从中脱颖而出,其论文斩获今年的最佳论文。这是项什么研究?

铜灵 发自 凹非寺

量子位 出品 | 公众号 QbitAI

在大洋彼岸的新奥尔良,正在举行一年一度的机器学习顶会:ICLR 2019。

今年,ICLR19共收到了1578篇投稿,较去年增长60%。在这1600篇论文中,MIT的“彩票假设”理论从中脱颖而出,其论文斩获今年的最佳论文。

这是项什么研究?

研究人员证明,将神经网络包含的子网络缩小至原来的十分之一,依旧不会影响训练精度,甚至于,压缩后的模型可能比原神经网络更快!

来看看今年的研究新风向。

ICLR2019最佳论文!神经网络子网络压缩10倍,精确度保持不变 | MIT出品

彩票假设

这篇获奖论文名为The Lottery Ticket Hypothesis: Finding Sparse, Trainable Neural Networks,提出了一种叫作“彩票假设”(lottery ticket hypothesis)的缩小方法。

此前,神经网络的剪枝技术能将网络的参数减少到90%,但此方法的弊端也很明显,即剪枝架构一开始的训练就相当困难。

MIT计算机科学与人工智能实验室(CSAIL)的研究人员表示,与其在后期修修剪剪,何必不在一开始就创建一个尺寸合适的网络呢?

他们将传统的深度学习方法比作乐透,训练大型神经网络就像在通过盲目随机选号中奖,而这种新的方法不采用这种大海捞针的方式,想在一开始就拿到最后中奖的号码。

于是乎,“彩票假设”问世。

他们发现,传统的剪枝技术会在神经网络子网络处动刀,让初始化后的子网络能够进行有效训练。

密集、随机初始化的前馈神经网络包含一些子网络, 也就是中奖号码 ,当对其单独进行训练时,这些子网络能够在相似迭代次数中达到与原始网络比肩的准确率。

问题来了,如何找到这个中奖号码呢?总共分为四步:

  1. 随机初始化一个神经网络f(x; θ 0 )

  2. 训练这个网络j次,得到网格参数θ j

  3. 修剪θ j 中p%的参数,创建mask m

  4. 用θ 0 重新设置剩余网络,创建中奖号码f(x; m⊙θ 0 )

在MNIST和CIFAR10数据集上,“中奖彩票”的大小是很多全连接和卷积前馈架构的 10%~20%

ICLR2019最佳论文!神经网络子网络压缩10倍,精确度保持不变 | MIT出品

上图为当迭代剪枝和再次随机初始化时,Conv-2/4/6 架构的早停迭代、测试和训练准确率

并且,比原始网络的 学习速度更快 :甚至 准确度更高

ICLR2019最佳论文!神经网络子网络压缩10倍,精确度保持不变 | MIT出品

论文地址:

https://arxiv.org/abs/1803.03635

作者团队

这篇论文背后的研究人员只有两位。

一作为MIT的在读博士生Jonathan Frankle,在普林斯顿大学完成计算机科学的本科和研究生学习时,Frankle小哥曾去谷歌、微软、乔治城大学实习,主要研究人工智能、应用密码学和技术政策。

二作Michael Carbin为MIT电子工程和计算机科学的助理教授,此前在微软雷德蒙研究院的研究员,从事大规模深度学习系统的研究,包括优化和应用。

ICLR2019最佳论文!神经网络子网络压缩10倍,精确度保持不变 | MIT出品

此前,Carbin的数篇论文被ICML19、OOPSLA18、LICS18等机器学习大会接收。

最佳论文×2

今年的ICLR最佳论文共有两篇,除了彩票假设外,还有一篇蒙特利尔大学 MILA 研究所和微软研究院的作品:

Ordered Neurons: Integrating Tree Structures into Recurrent Neural Networks,翻译过来就是《有序神经元:将树结构集成到循环神经网络》。

ICLR2019最佳论文!神经网络子网络压缩10倍,精确度保持不变 | MIT出品

自然语言是一种有层次的结构:小的单元会嵌套在大单元里,比如短语会嵌套在句子中。当较大的单元关闭时,其中的小单元也必须关闭。

虽然标准的LSTM架构可以将不同的神经元在不同的时间阶段追踪信息,但在模型构成层次上差别不大。

在这篇论文中,研究人员提出,通过对神经元进行排序,增加这种归纳偏差,用一个控制输入和遗忘门的向量来确保当给定神经元更新时,跟随它的所有神经元也将按照顺序被更新。

ICLR2019最佳论文!神经网络子网络压缩10倍,精确度保持不变 | MIT出品

这种全新的循环结构称为 有序神经元 LSTM (ON-LSTM),在语言建模、无监督语法分析、目标语法评估和逻辑推理这四个不同的任务上取得了不错的性能。

论文地址:

https://openreview.net/forum?id=B1l6qiR5F7

传送门

最后,附上ICLR 2019官网地址:

https://iclr.cc/

— 完 —

小程序|get更多AI学习干货

ICLR2019最佳论文!神经网络子网络压缩10倍,精确度保持不变 | MIT出品

加入社群

量子位AI社群开始招募啦,量子位社群分:AI讨论群、AI+行业群、AI技术群;

欢迎对AI感兴趣的同学,在量子位公众号(QbitAI)对话界面回复关键字“微信群”,获取入群方式。(技术群与AI+行业群需经过审核,审核较严,敬请谅解)

ICLR2019最佳论文!神经网络子网络压缩10倍,精确度保持不变 | MIT出品

量子位  QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

喜欢就点「在看」吧 !


以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

代码

代码

劳伦斯・莱斯格 / 李旭 / 中信出版社 / 2004-10-1 / 30.00元

劳伦斯·莱斯格的著作《代码》 问世便震动了学界和业界,被人称为“也许是迄今为止互联网领域最重要的书籍”,也被一些学者称为“网络空间法律的圣经”。 《代码》挑战了早期人们对互联网的认识,即技术已经创造了一个自由的环境,因而网络空间无法被规制——也就是说,网络的特性使它押脱了政府的控制。莱斯格提出,事实恰恰相反。 代码的存在证明,网络并不是本制拷贝 ,不可规制的,它并没有什......一起来看看 《代码》 这本书的介绍吧!

JS 压缩/解压工具
JS 压缩/解压工具

在线压缩/解压 JS 代码

JSON 在线解析
JSON 在线解析

在线 JSON 格式化工具

随机密码生成器
随机密码生成器

多种字符组合密码