在NeurIPS 2020上，商汤3D&AR团队和北大提出了稀疏编码启发的高效一致的可微分网络结构搜索。该工作从可微分网络现阶段的低效性和低相关性入手，指出现有方法缺乏高效性和一致性的原因在于搜索阶段未能考虑目标结构具有稀疏性这一约束条件，对用于搜索的网络采用评估阶段的设置，设计一阶段的搜索算法，从而将搜索和评估在一次学习中完成，有效提高了可微分结构搜索的效率和一致性。
- 论文名称：ISTA-NAS: Efficient and Consistent Neural Architecture Search by Sparse Coding
- 论文作者：杨一博、李宏扬、游山、王飞、钱晨、林宙辰
- 论文链接：https://papers.nips.cc/paper/2020/file/76cf99d3614e23eabab16fb27e944bf9-Paper.pdf
- 代码链接：https://github.com/iboing/ISTA-NAS
感兴趣的可以戳链接。
内容中包含的图片若涉及版权问题，请及时与我们联系删除
评论
沙发等你来抢