谷歌提出了一项新型模型缩放方法：利用复合系数统一缩放模型的所有维度，该方法极大地提升了模型的准确率和效率。谷歌研究人员基于该模型缩放方法，提出了一种新型 CNN 网络 EfficientNet，该网络具备极高的参数效率和速度。目前，该模型的代码已开源。

卷积神经网络（CNN）通常以固定成本开发，然后再按比例放大，从而在获得更多资源时可以达到更高的准确率。例如，ResNet 可以通过增加网络层数，从 ResNet-18 扩展到 ResNet-200。近期 GPipe 将基线 CNN 扩展了 4 倍，从而在 ImageNet 数据集上达到了 84.3% 的 top-1 准确率。模型缩放的通常做法是任意增加 CNN 的深度或宽度，或者使用更大的输入图像分辨率进行训练和评估。尽管这些方法确实可以改进准确率，但它们通常需要大量手动调参，且通常获得的是次优性能。那么，我们是否可以寻找更好的 CNN 扩展方法，来获得更高的准确率和效率呢？

谷歌研究人员在一篇 ICML 2019 论文《EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks》中，提出了一种新型模型缩放方法，该方法使用一种简单但高效的复合系数（compound coefficient）以更加结构化的方式扩展 CNN。与任意扩展网络维度（如宽度、深度、分辨率）的传统方法不同，该新方法使用固定的一组缩放系数扩展每个维度。受益于该方法和 AutoML 的最新进展，谷歌开发出了一系列模型——EfficientNets，该模型的准确率超越了当前最优模型，且效率是后者的 10 倍（模型更小，速度更快）。

论文链接：https://arxiv.org/pdf/1905.11946.pdf复合模型缩放：扩展 CNN 的更好方法

为了理解网络缩放的效果，谷歌研究人员系统地研究了缩放模型不同维度的影响。虽然缩放单个维度可以改善模型性能，但研究人员发现平衡网络的所有维度（宽度、深度和图像分辨率）和可用资源才能最优地提升整体性能。

该复合缩放方法的第一步就是执行网格搜索，寻找固定资源限制下基线模型不同缩放维度之间的关系。这决定了每个维度的恰当缩放系数。第二步是应用这些系数，将基线网络扩展到目标模型大小或目标计算成本。

不同缩放方法对比。传统缩放方法 (b)-(d) 任意缩放模型的单个维度，而谷歌提出的新型复合缩放方法则不同，它扩展模型的所有维度。

相比于传统的模型缩放方法，该复合缩放方法可持续改善模型的准确率和效率，如 MobileNet 的 ImageNet 准确率提升了 1.4%，ResNet 的准确率提升了 0.7%。

EfficientNet 架构

模型缩放的效果严重依赖基线模型。因此，为了进一步提升性能，谷歌研究人员使用 AutoML MNAS 框架执行神经架构搜索，从而开发出一种新型基线模型，该模型可以优化准确率和效率。

该基线模型使用 mobile inverted bottleneck convolution（MBConv），类似于 MobileNetV2 和 MnasNet，但是由于 FLOP 预算增加，该模型较大。于是，研究人员继续缩放该基线模型，得到一组模型——EfficientNets。

基线模型 EfficientNet-B0 的架构简单、干净，这使得它易于扩展和泛化。

EfficientNet 性能

研究人员在 ImageNet 数据集上对比了 EfficientNets 和已有 CNN 模型。EfficientNet 模型要比已有 CNN 模型准确率更高、效率更高，其参数量和 FLOPS 都下降了一个数量级。例如，在高准确率的模式中，EfficientNet-B7 在 ImageNet 上获得了当前最优的 84.4% top-1 / 97.1% top-5 准确率，CPU 推断速度是 Gpipe 的 6.1 倍，而后者的大小是 EfficientNet-B7 的 8.4 倍。与现在广泛使用的 ResNet-50 相比，EfficientNet-B4 使用类似的 FLOPS 取得的 top-1 准确率比 ResNet-50 高出 6.3%（ResNet-50 76.3%，EfficientNet-B4 82.6%）。

模型大小 vs. 准确率。

EfficientNet-B0 是通过 AutoML MNAS 开发出的基线模型，Efficient-B1 到 B7 是扩展基线模型后得到的网络。EfficientNet 显著优于其他 CNN。具体来说，EfficientNet-B7 取得了新的 SOTA 结果：84.4% top-1 / 97.1% top-5 准确率，且其大小远远小于之前的最优 CNN 模型 GPipe（后者的模型大小是 EfficientNet-B7 的 8.4 倍），速度是 GPipe 的 6.1 倍。EfficientNet-B1 的参数量远远小于 ResNet-152，但速度是后者的 5.7 倍。

EfficientNet 在 ImageNet 上的性能。

推断延迟对比。

尽管 EfficientNets 在 ImageNet 上性能优异，但要想更加有用，它们应当具备迁移到其他数据集的能力。谷歌研究人员在 8 个常用迁移学习数据集上评估了 EfficientNets，结果表明 EfficientNets 在其中的 5 个数据集上达到了当前最优的准确率，且参数量大大减少，这表明 EfficientNets 具备良好的迁移能力。

EfficientNets 能够显著提升模型效率，谷歌研究人员希望 EfficientNets 能够作为未来计算机视觉任务的新基础。因此，研究人员开源了 EfficientNet 模型。