神经架构搜索（NAS）是一个专注于自动化设计高性能神经网络架构的领域。它通常包含三个主要组成部分：定义可能的操作和连接的搜索空间、用于采样候选架构的搜索算法以及评估其性能的评估策略。早期的NAS方法，如Zoph & Le和Baker等人提出的方法，使用逐层顺序操作，计算量大，需要数百个GPU长时间运行。最近受成功的模块化设计启发的方法，采用基于单元的表示来提高效率。 AI
排序理由 该条目是一篇总结神经架构搜索学术研究论文的博客文章。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
<!-- Neural Architecture Search (NAS) automates network architecture engineering. It aims to learn a network topology that can achieve best performance on a certain task. By dissecting the methods for NAS into three components: search space, search algorithm and child model evolu…