142页ppt！如何加速NAS，亚马逊IBM最新《高效神经架构搜索》教程

深度学习自动化的兴趣日益增长，导致了神经体系结构搜索的各种自动化方法的发展。然而，最初的神经架构算法是计算密集型的，需要好几天的GPU时间。训练候选网络是搜索过程中代价最高的步骤。接下来的几个算法提出了在候选网络之间共享参数，而不是从头开始训练每个候选网络。但是这些参数共享算法也有其自身的缺陷。在本教程中，我们将概述一些一次性算法、它们的缺点以及如何对付它们。后来的进步通过使用零样本、少样本和迁移学习等技术训练更少的候选者来加速搜索。通过使用随机初始化的神经网络的一些特性，一些搜索算法能够找到性能良好的模型。有些方法利用了迁移学习，而不是从头开始寻找。在本教程中，我们将介绍几种加速神经体系结构搜索的算法。

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）

• 后台回复“N142” 就可以获取《142页ppt！如何加速NAS，亚马逊IBM最新《高效神经架构搜索》教程》专知下载链接

                       

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100000+AI(AI与军事、医药、公安等)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100000+AI主题知识资料