AutoML NAS 调研（CVPR2019）

最新推荐文章于 2025-06-30 04:31:40 发布

置顶

holeung

最新推荐文章于 2025-06-30 04:31:40 发布

阅读量3.7k

点赞数 5

CC 4.0 BY-SA版权

分类专栏：机器学习计算机视觉文章标签： AutoML NAS 网络搜索

本文链接：https://blog.csdn.net/soulmeetliang/article/details/93002244

本文调研了AutoML中的网络搜索（NAS）重点，关注CVPR2019上发布的14篇相关论文。内容涵盖自动特征工程、模型选择、优化算法选择及全范围的NAS，特别是计算资源、搜索空间优化，如参数共享和高效网络架构搜索。讨论了全局和基于单元的搜索空间，并引用了多篇关键论文。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

[论文极简笔记] Efficient Neural Architecture Search via Parameter Sharing

[论文极简笔记]FBNet: Hardware-Aware Efficient ConvNet Design via Differentiable Neural Architecture Search

[论文极简笔记] Partial Order Pruning: for Best Speed/Accuracy Trade-off in Neural Architecture Search

[论文极简笔记] Auto-DeepLab: Hierarchical Neural Architecture Search for Semantic Image Segmentation

[论文极简笔记] Searching for A Robust Neural Architecture in Four GPU Hours

[论文极简笔记] NAS-FPN: Learning Scalable Feature Pyramid Architecture for Object Detection

[论文极简笔记] Weight Agnostic Neural Networks