1. 如何解决神经网络中的过拟合问题?
2. 影响神经网络推理速度的因素有哪些?
3. 模型压缩的常用方法有哪些?
4. 什么是自动化机器学习?
5. 请简述神经网络架构搜索的大致流程
1. 如何解决神经网络中的过拟合问题?
(1)增加数据
(2)正则化
(3)减少模型复杂度,减少神经网络层数、每层神经元数
.....
2. 影响神经网络推理速度的因素有哪些?
模型内部因素:计算量-CPU GPU、参数量、访存量、内存占用
外部因素:系统算力,内存带宽,网络带宽等
3. 模型压缩的常用方法有哪些?
量化、剪枝、知识蒸馏 算子分解、降维操作
4. 什么是自动化机器学习?
将机器学习算法流程自动化,通过反复迭代去搜寻针对业务场景最优的数据预处理、超参数配置及算法模型。包括自动化特征提取、模型选择、模型超参数选择、模型结构搜索
5. 请简述神经网络架构搜索的大致流程
神经网络架构搜索(Neural Architecture Search,NAS)搜索网络结构的拓扑排序(网络总层数及链接方式),卷积核大小种类,时序模型种类、池化类型等。
将待搜索的参数空间 通过 一定的搜索策略 得到网络结构,对该结构进行评估后,更新迭代得到最优模型