华为发表在 ICCV 2019上的NAS文章，致力于解决在 proxy 训练与 target 测试的模型 depth gap 问题。Paper: Progressive Di...
发简信
IP属地：北京
-
神经网络架构搜索——可微分搜索（P-DARTS） -
神经网络架构搜索——可微分搜索（DARTS）背景 神经网络架构搜索之前主流的方法主要包括：强化学习，进化学习。他们的搜索空间都是不可微的，Differentiable Architecture Search 这篇文章提...
-
神经网络架构搜索——可微分搜索（SGAS）SGAS原理及源码解析 KAUST&Intel发表在CVPR 2020上的NAS工作，针对现有DARTS框架在搜索阶段具有高验证集准确率的架构可能在评估阶段表现不好的问题，提...
-
神经网络架构搜索——可微分搜索（Fair-DARTS）小米实验室 AutoML 团队的NAS工作，论文题目：Fair DARTS: Eliminating Unfair Advantages in Differentiable ...
-
神经网络架构搜索——可微分二值搜索（BATS）本文为三星发表在 ECCV 2020 的基于二值网络搜索的 NAS 工作（BATS），论文题目：BATS: Binary ArchitecTure Search。通过结合神经...
-
神经网络架构搜索——可微分搜索（Cyclic-DARTS）神经网络架构搜索——可微分搜索（Cyclic-DARTS） 本文为微软研究院的NAS工作，论文题目：Cyclic Differentiable Architecture Se...
-
神经网络架构搜索——可微分搜索（Latency-DARTS）本文为华为诺亚的NAS工作，针对DARTS搜索出网络结构往往对硬件不友好的问题，本文在优化中加入可微分的时延损失项，使搜索过程可以在精度和时延之间进行平衡系数的权衡。论文题目...
-
神经网络架构搜索——可微分搜索（Noisy DARTS）小米实验室 AutoML 团队的NAS工作，针对现有DARTS框架在搜索阶段训练过程中存在 skip-connection 富集现象，导致最终模型出现大幅度的性能损失的问题，...
-
神经网络架构搜索——可微分搜索（DARTS+）DARTS+ 华为诺亚方舟实验室的NAS工作，针对现有DARTS框架在搜索阶段训练过程中存在 skip-connection 富集现象，导致最终模型出现大幅度的性能损失的问题...