Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Speaker Deck
PRO
Sign in
Sign up for free
【論文紹介】Learning sparse neural networks through L0 regularization
Shuhei Goda
June 24, 2018
Technology
0
200
【論文紹介】Learning sparse neural networks through L0 regularization
Shuhei Goda
June 24, 2018
Tweet
Share
More Decks by Shuhei Goda
See All by Shuhei Goda
会社訪問アプリ「Wantedly Visit」における推薦システム開発事例
hakubishin3
2
730
会社訪問アプリ「Wantedly Visit」 における募集画像がユーザーに与える影響
hakubishin3
0
1.1k
A Stacking Ensemble Model for Prediction of Multi-type Tweet Engagements(RecSys Challenge 2020 3rd place solution)
hakubishin3
2
700
RecSys Challenge 2020 Workshop: A Stacking Ensemble Model for Prediction of Multi-type Tweet Engagements
hakubishin3
1
1.5k
The Web Conference2020 参加報告会
hakubishin3
0
710
Kaggle Google Quest Q&A Labeling - 23th place solution
hakubishin3
4
3.5k
Target Encoding はなぜ有効なのか
hakubishin3
10
7.4k
Kaggle Rコンペ解法紹介
hakubishin3
0
140
【論文紹介】EX2: exploration with exemplar models for deep reinforcement learning
hakubishin3
0
91
Other Decks in Technology
See All in Technology
SignalR を使ったアプリケーション開発をより快適に!
nenonaninu
0
140
Astroで始める爆速個人サイト開発
takanorip
12
8.3k
Oktaの管理者権限を適切に移譲してみた
shimosyan
2
240
Dev Containers ことはじめ - 失敗から学ぶ開発環境運用法
streamwest1629
0
270
FlexScan HD2452Wの 後継を探して
tring
0
280
日経電子版だけじゃない! 日経の新規Webメディアの開発 - NIKKEI Tech Talk #3
sztm
0
110
OpenShiftのリリースノートを整理してみた
loftkun
2
180
WebLogic Server for OCI 概要
oracle4engineer
PRO
3
840
本社オフィスを移転し、 オフィスファシリティ・コーポレートIT を刷新した話
rotomx
3
1.2k
AI Services 概要 / AI Services overview
oracle4engineer
PRO
0
160
UIFlowの2.0がやってきた! / ビジュアルプログラミングIoTLT vol.13
you
0
220
CEXやDEXに依存しないブロックチェーン取引について考える
sbtechnight
0
310
Featured
See All Featured
YesSQL, Process and Tooling at Scale
rocio
159
12k
4 Signs Your Business is Dying
shpigford
171
20k
Reflections from 52 weeks, 52 projects
jeffersonlam
338
18k
The Art of Programming - Codeland 2020
erikaheidi
35
11k
The Cult of Friendly URLs
andyhume
68
5.1k
Rebuilding a faster, lazier Slack
samanthasiow
69
7.5k
Ruby is Unlike a Banana
tanoku
93
9.5k
How to name files
jennybc
47
73k
Music & Morning Musume
bryan
36
4.6k
The Mythical Team-Month
searls
210
40k
Art Directing for the Web. Five minutes with CSS Template Areas
malarkey
196
9.8k
Learning to Love Humans: Emotional Interface Design
aarron
263
38k
Transcript
Learning Sparse Neural Networks Through L0 Regularization 2018/6/24 ICLR2018論文紹介 Christos
Louizos, Max Welling, Diederik P. Kingma
Summary どんなもの? ニューラルネットワークのパラメータに対してL0正則化を適用させる。 先行研究と比べてどこがすごい? 既存のNNの学習手法の枠組み(逆伝搬法)で解くことができる。 技術や手法のキモはどこ? L0ノルムによる正則化効果を、連続型確率変数から成るhard concrete distributionを 使って近似的に表現する。
どうやって有効だと検証した? MNIST, CIFAR10, CIFAR100のデータで検証。 既存手法と同等かそれ以上の精度で、計算速度の高速化が行える。 議論はある? 今後パラメータθに関するフルベイズな扱いが考えられるのではないか。 1
ニューラルネットワークの正則化 l ニューラルネットワークでは、適切なキャパシティの管理が重要となる。 Ø データ集合に対してキャパシティが過大だと、汎化性能の低下、計算量の増大などの問題 Ø キャパシティを抑えるための手法として、正則化が挙げられる。 2 ・
... i.i.d.の入力-出力ペア ・ ...パラメータθを持つパラメトリックモデル ・ ...損失関数
L0正則化付き学習 l L0正則化付きでニューラルネットワークを学習させたい。 Ø 非零成分の個数が小さくなるように学習する。 Ø 計算量的に困難(組み合わせ最適化問題) 3
損失関数の置き換え l L0正則化付き損失関数を、連続最適化可能なサロゲート損失に置き換える。 Ø パラメータ値をきっちり0に落とすことを維持しつつ、勾配に基づく最適化を行いたい。 4 この形は残しておきたい
置き換えの流れ(1) l 各パラメータに対して、確率的なバイナリゲートを設置する。 Ø ゲートのオンオフ{0, 1}はベルヌーイ分布の確率変数で表現 Ø 以下は置き換えた状態、ただし右辺第1項が微分可能でない。 5
置き換えの流れ(2) l バイナリゲート z を、hard-sigmoidで置き換える。 Ø 連続型確率変数 s を使い、バイナリゲートを表現する。 Ø
ゲートがactiveとなっている確率も、以下のcdfで表現可能 Ø 以下は置き換えた状態、ただし右辺第1項がパラメータφに関して逆伝搬可能でない。 6
置き換えの流れ(3) l Reparameterization trickを使い、パラメータφに逆伝搬できるようにする。 Ø s が φ に対して確定的になるようにする。 Ø
微分可能な関数f(ε,φ)を用いて、s=f(ε,φ), ε~p(ε)と置き換える。 Ø 期待値部分はモンテカルロサンプリングで計算可能。 7
置き換えの流れ(4) l 確率分布q(s)に、binary concrete distributionを採用する。 Ø 温度β(0<β<1)がパラメータとして存在、アニーリング可能 Ø 位置logαの値で分布の性質を決める(0寄りか1寄りか) 8
(上)β=0.9, (下)β=0.1, (共通)logα=0 (上)logα=1.0, (下)logα=-1.0, (共通)β=0.1 ただし、zが値0,1を取り にくくなっている
置き換えの流れ(5) l binary concrete distribution を引き伸ばして、z が 0,1を取りやすくする。 (hard concrete
distribution) Ø 分布を(γ, ζ)に引き伸ばして、再度hard sigmoidに適用させる(γ<0, ζ>1) Ø L0ノルム部分は以下のようになる。 9 binary concrete rv γ=-0.1, ζ=1.1で引き伸ばしたもの
本手法のまとめ l 訓練時 l テスト時 10 を超えるならz=1, を下回るならz=0 sigmoid(logα)が
実験結果(1) l MNIST Classification and Sparsification Ø λの与え方は2つのパターンを用意する(どの層も共通の値をとるか、各層で値を変えるか) 11
実験結果(2) l MNIST Classification and Sparsification Ø ゲートがactiveになる確率から、期待されるFLOPsを得る。 12
実験結果(3) l CIFAR Classification 13
Summary どんなもの? ニューラルネットワークのパラメータに対してL0正則化を適用させる。 先行研究と比べてどこがすごい? 既存のNNの学習手法の枠組み(逆伝搬法)で解くことができる。 技術や手法のキモはどこ? L0ノルムによる正則化効果を、連続型確率変数から成るhard concrete distributionを 使って近似的に表現する。
どうやって有効だと検証した? MNIST, CIFAR10, CIFAR100のデータで検証。 既存手法と同等かそれ以上の精度で、計算速度の高速化が行える。 議論はある? 今後パラメータθに関するフルベイズな扱いが考えられるのではないか。 14