机器之心原创
作者：LuoSainan
编辑：HaoWang、HaojinYang
MIT韩松组一直走在深度模型剪枝，压缩方向的前沿。最近他们也开始尝试运用NAS神经框架搜索技术来推进研究。
这里整理了两篇文章：
论文如下：
ProxylessNAS:DirectNeuralArchitectureSearchonTargetTaskandHardwareHAQ:Hardware-AwareAutomatedQuantizationwithMixedPrecision
第一篇是利用NAS技术直接为特定的硬件在特定的任务上搜索最优的网络框架结构。
第二篇则是利用强化学习自动寻找在特定latency标准上精度最好的量化神经网络结构，它分别为网络的每一层搜索不同bit的权值和激活，得到一个经过优化的混合精度模型。两篇文章的相同之处在于，都直接从特定的硬件获得反馈信息，如latency，energy和storage，而不是使用代理信息，再利用这些信息直接优化神经网络架构(或量化bit数)搜索算法。这也许会成为工业界未来的新范式。
第一篇：
PROXYLESSNAS:DIRECTNEURALARCHITECTURESEARCHONTARGETTASKANDHARDWARE
论文链接：
v1:_