关键词neural architecture design
搜索结果 - 6
- CVPR通过廉价操作在异构设备上运行 GhostNets
本论文旨在为包括 CPU 和 GPU 在内的异构设备设计高效的神经网络，尤其是通过利用特征映射中的冗余，并提出了 CPU 和 GPU 适用的解决方案。通过提出一种新的 CPU-efficient Ghost（C-Ghost）模块来生成更多的 - ICCV神经结构搜索的演化搜索空间
通过维护一个优化的搜索空间子集的神经搜索空间演化（NSE）方案，引入可学习的多分支设置，实现了神经架构设计的自动化和优化，以在 ImageNet 上实现优异的表现和响应延迟限制。
- 通过算子聚类进行层次化神经结构搜索
通过发现算子相关性和复杂度差异对 DARTS 的遗传性问题进行了解决，提出了一种新的分级搜索算法，该算法用于不同的搜索空间中都能找到最佳的性能架构。
- DARTS+：具有提前停止的改进可微架构搜索
本文提出了一种名为 DARTS + 的算法，通过设置一个明确的早停策略来避免 Differentiable Architecture Search (DARTS) 在优化时遇到过拟合问题，并将其应用在基准数据集上取得了较好的结果。
- 神经架构优化
本论文提出了一种基于连续优化的自动神经架构设计方法，使用编码器、预测器和解码器组成的方法在连续空间中进行梯度优化，通过将较好的嵌入解码成新的架构，最终实现在 CIFAR-10 和 PTB 数据集上高效发现神经网络，并与之前的方法相比实现了较 - 高效渐进式神经架构搜索
本文提出了一种称为 Efficient progressive neural architecture search (EPNAS) 的方法，将全新的序贯模型优化方法与权重共享结合，成功地提高了神经结构搜索的效率。