【小哈划重点：谷歌AI团队最近提出了新的模型缩放方法“复合缩放（Compound Scaling）”和配套的 EfficientNet 模型。他们使用复合系数和 AutoML 从多个维度均衡缩放 CNN，综合考虑深度和宽度等参数，而不是只单纯地考虑一个，使得模型的准确率和效率大幅提升，图像识别的效率甚至可以大幅提升 10 倍。】
在开发以卷积神经网络（CNN）为核心的机器学习模型时，我们通常会先使用固定的资源成本，构建最初的模型，然后增加更多资源（层数）扩展模型，从而获得更高的准确率。
著名的 CNN 模型 ResNet（深度残差网络），就可以用增加层数的方法从ResNet-18 扩展到 ResNet-200。谷歌的 GPipe 模型也通过将基线 CNN 扩展 4 倍，在 ImageNet 数据库上达到 84.3% 的准确率，力压所有模型。
一般来说，模型的扩大和缩小都是任意增加 CNN 的深度或宽度，抑或是使用分辨率更大的图像进行训练和评估。虽然这些传统方法提高准确率的效果不错，但大多需要繁琐的手动调整，还可能无法达到最佳性能。
因此，谷歌AI团队最近提出了新的模型缩放方法“复合缩放（Compound Scaling）”和配套的 EfficientNet 模型。他们使用复合系数和 AutoML 从多个维度均衡缩放 CNN，综合考虑深度和宽度等参数，而不是只单纯地考虑一个，使得模型的准确率和效率大幅提升，图像识别的效率甚至可以大幅提升 10 倍。
这项新方法的根本优势在于实践起来非常简单，背后的原理很好理解，甚至让人怀疑为什么没有被更早发现。该研究成果以论文的形式被 ICML 2019（国际机器学习大会）接收，名为 EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks。EfficientNet 模型的相关代码和 TPU 训练数据也已经在 GitHub 上开源。
寻找复合系数
为了弄清楚神经网络缩放之后的效果，谷歌团队系统地研究了改变不同维度对模型的影响，维度参数包括网络深度、宽度和图像分辨率。
首先他们进行了栅格搜索（Grid Search）。这是一种穷举搜索方法，可以在固定资源的限定下，列出所有参数之间的关系，显示出改变某一种维度时，基线网络模型会受到什么样的影响。换句话说，如果只改变了宽度、深度或分辨率，模型的表现会发生什么变化。
图 | 以基线网络为基础，列出所有维度变化对模型的影响（来源：谷歌 AI）
综合考虑所有情况之后，他们确定了每个维度最合适的调整系数，然后将它们一同应用到基线网络中，对每个维度都进行适当的缩放，并且确保其符合目标模型的大小和计算预算。
简单来说，就是分别找到宽度、深度和分辨率的最佳系数，然后将它们组合起来一起放入原本的网络模型中，对每一个维度都有所调整。从整体的角度缩放模型。
与传统方法相比，这种复合缩放法可以持续提高模型的准确性和效率。在现有模型 MobileNet 和 ResNet 上的测试结果显示，它分别提高了 1.4% 和 0.7% 的准确率。
高效的网络架构和性能
缩放模型的有效性也依赖于基线网络（架构）本身。
因为，为了进一步提高性能，谷歌 AI 团队还使用了 AutoML MNAS 框架进行神经架构搜索，优化准确性和效率。AutoML 是一种可以自动设计神经网络的技术，由谷歌团队在 2017 年提出，而且经过了多次优化更新。使用这种技术可以更简便地创造神经网络。
由此产生的架构使用了移动倒置瓶颈卷积（MBConv），类似于 MobileNetV2 和 MnasNet 模型，但由于计算力（FLOPS）预算增加，MBConv 模型体积略大。随后他们多次缩放了基线网络，组成了一系列模型，统称为 EfficientNets。
图 | EfficientNet-B0 基线网络架构（来源：谷歌 AI）
为了测试其性能，研究人员与 ImageNet 上的其他现有 CNN 进行了比较。结果显示，EfficientNet 在大多数情况下表现亮眼，比现有 CNN 的准确率和效率都高，还将参数大小和计算力降低了一个数量级。
比如 EfficientNet-B7 在 ImageNet 上达到的 Top-1 最高准确率是 84.4%，Top-5 准确率是 97.1%。在 CPU 推理上，它的体积比最好的 CNN 模型 GPipe 小 8.4 倍，但速度快了 6.1 倍。与广泛使用的 ResNet-50 相比，EfficientNet-B4 使用了类似的计算力，但 Top-1 准确率从 76.3% 提升到了 82.6%。
图 | 参数使用量和 ImageNet Top-1 准确率对比（来源：谷歌 AI）
此外，EfficientNets 不仅在 ImageNet 上表现出众，其能力还可以转移到其它数据集上。
他们在 8 个流行的迁移学习数据集上测试了 EfficientNets。结果显示，它在其中的 5 个上面都拿到了顶尖成绩，例如在 CIFAR-100 上获得了 91.7％ 的成绩，在 Flowers 上获得了 98.8％ 的成绩，而且参数至少减少了一个数量级，甚至还可以最多减少 21 倍，说明 EfficientNets 具有很强的迁移能力。
谷歌 AI 团队认为，EfficientNets 有望凭借简单易操作的特点，成为未来计算机视觉任务的新基石。
