ReNAS: Relativistic Evaluation of Neural Architecture Search 
    
    
   ![]()
 
   
 
   https://www.zhuanzhi.ai/paper/d5394f35aef16fb3a4dca59d68fb1882
 
   
 
    
    一个有效的神经网络结构性能评估方案是神经网络结构搜索(NAS)成功的关键。现有NAS算法通常在训练时间有限的小型数据集上训练和评估神经结构。但这样一种粗糙的评估方式很难对神经网络结构进行准确评估。本文提出一种新的神经网络结构评价方案,旨在确定哪个神经网络结构的性能更好,而不是精确地预测性能绝对值。因此,我们提出了一个结构相对性能预测NAS (ReNAS)。我们将神经结构编码为特征张量,并利用预测器进一步细化表示。本方法可用于离散搜索,无需额外评估。在NASBench101数据集上抽样424个(搜索空间的0.1%)神经架构及其标签已经足够学习一个准确的架构性能预测器。在NAS-Bench-101和NAS-Bench-201数据集上,我们搜索的神经结构的准确性高于最新的方法,显示了本方法的优先性。 
    
   ![]()
 
    
    
 
   专知便捷查看
 
    
     
      
      便捷下载,请关注专知公众号(点击上方蓝色专知关注)
 
       
      
     
   
 
   ![]()
 
    
    
     
      
       
       专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取5000+AI主题干货知识资料! 
       
       
       
       欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询! 
       
      
     
    
    
     
      
       
        
         
         
          
           
            
            点击“ 
            阅读原文 
            ”,了解使用 
            专知 
            ,查看获取5000+AI主题知识资源