zero-shot nas | BriefGPT - AI 论文速递

关键词zero-shot nas

搜索结果 - 5

TG-NAS: 使用 Transformer 和图卷积网络利用零成本的代理进行高效神经架构搜索
TG-NAS 是一种基于模型的通用代理，利用基于 Transformer 的操作符嵌入生成器和图卷积网络 (GCN) 来预测架构性能，通过对各种 NAS 基准测试进行实验证明了其在搜索效率方面的优势，表明其作为高效架构搜索的基础组成部分的潜
PDF3 months ago
SiGeo: 通过信息理论和损失函数景观的几何学实现次 - 一次神经架构搜索
通过引入 “sub-one-shot” 范式，我们介绍了一种新的神经体系结构搜索方法 SiGeo，该方法通过使用一小部分训练数据进行训练来减少计算成本，并在各种已建立的 NAS 基准测试中优于现有的 NAS 代理。
PDF7 months ago
基于神经预测的 NAS 在零样本 NAS 范式中的有效性
利用深度学习方法提出了一种新的零样本神经架构搜索方法，该方法使用正弦编码的傅里叶和来构建计算前馈图，并通过伴随的多层感知机对架构进行排序。实验证明，该方法在 NAS-Bench-201 数据集上的相关性和收敛速度均超过了先前使用图卷积网络的
PDF10 months ago
ICLRZiCo: 基于梯度变异反比的零样本 NAS
本研究提出了一种新的零 - shot 代理模型（ZiCo），它能够通过预测测试性能来设计最佳神经网络架构，不仅比现有模型表现更好，而且不需要训练，可以在进行神经架构搜索时节省大量时间。此外，通过在 NAS-Benchmarks 基准下的对比
PDFa year ago
ICMLMAE-DET: 零样本 NAS 中重新审视最大熵原则的高效物体检测
该研究提出了一种名为 MAE-DET 的零样本神经架构搜索（NAS）方法，其通过最大熵原理自动设计高效的目标检测骨干网络，仅需一天的 GPU 时间即可在多个检测基准数据集上提供 SOTA 检测骨干网络，可显着降低架构设计成本并提高检测性能。
PDF3 years ago