Программа для настройки гиперпараметров нейронных сетей для распознавания изображений на мобильных устройствах

Нейронные сети стали очень популярной технологией в последнее время. С расширением использования этой технологии возникла новая проблема с адап- тацией нейронной сети для мобильных устройств. Это стало проблемой, потому что, несмотря на то, что вычислительная мощность мобильных устройств по- стоянно растет, вычислительная мощность, необходимая для задач машинного обучения, требует еще большей мощности. Это происходит потому, что боль- шинство задач - это компьютерное зрение и обработка изображений, а разреше- ние фотографий и фотографий, сделанных смартфоном постоянно улучшается. И, в случае с одним изображением, обработка изображения может быть выпол- нена в облаке. Однако обработка видео в режиме реального времени невозмож- на из-за скорости интернета. Таким образом, требуется обрабатывать эти изоб- ражения локально, с минимальной скоростью 30 изображений в секунду. Гипотеза лотерейного билета - это гипотеза, которая говорит нам, что каждая нейронная сеть имеет внутри себя подсеть, которая имеет ту же точность, что и базовая нейронная сеть. Мы можем определить архитектуру этой подсети, од- нако, если мы решим обучить эту сеть с нуля, эта нейронная сеть не даст таких же результатов, как базовая нейронная сеть. Скорее всего, это происходит из-за случайного характера нейронной сети во время начальной инициализации. Тем не менее, проблема остается: как мы должны оптимизировать нейронные сети, делая их меньше для уменьшения необходимой вычислительной мощности? Обрезка нейронной сети - это деятельность, которая избавляет от запасных ней- ронов в нейронной сети. Это помогает в оптимизации нейронной сети, однако традиционные методы сокращения не являются оптимальными. Запасные ней- роны, которые удаляются из конечной сети, все еще вносят свой вклад в выход- ной сигнал, поэтому итоговая сеть не будет такой же точной, как базовая сеть, и не будет обучаться дальше. В этой работе мы представляем алгоритм, который может создавать точные и обучаемые нейронные сети. Для этой задачи мы использовали генетический алгоритм и достигли указанного результата. Ключевые слова: нейронная сеть; обрезка; генетический алгоритм;