#6 · 主分类： 优化与启发式算法
darts
automl
convolutional-networks
deep-learning
image-classification
language-modeling
neural-architecture-search
pytorch
recurrent-networks
用于卷积和循环网络的可微分架构搜索
项目最后更新：01/03/21
GitHub Stars
4.0K
Forks数量
836
贡献者数量
3
许可证
Apache-2.0
收录理由
DARTS 是 2018 年那篇神经架构搜索论文的官方参考实现，它的核心思路是把架构搜索本身变成一个梯度下降问题：不再逐个训练和评估候选网络，而是将离散的架构选择松弛为连续权重，直接对这些权重做优化。整个搜索过程很轻量，单张 GPU 就能跑完。仓库里带了可以直接测试的预训练单元，包括用于 CIFAR-10 和 ImageNet 的卷积单元，以及用于 Penn Treebank 和 WikiText-2 语言建模的循环单元，README 里也写明了预期的错误率和困惑度。不过这是 2018 年的研究代码，依赖固定的 PyTorch 0.3.1，更适合作为对照基线或学习参考来阅读，而不是直接拿去做生产训练。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。