ICLR 2020| 训练15000个神经网络，加速NAS，仅用0.1秒完成搜索

文章预览

作者丨董宣毅 编辑丨Camel 本文对 悉尼科技大学博士生董宣毅发表于 ICLR 2020 的录用Spotlight论文《NAS-BENCH-201: Extending the Scope of Reproducible Neural Architecture Search》进行解读。这篇论文提出的NAS-Bench-201，可在很大程度上提高NAS算法的可复现性，并降低了NAS算法的计算需求（例如仅用0.1秒便可以完成搜索）。   论文链接： https://arxiv.org/abs/2001.00326   NAS背景介绍   神经网络结构对深度学习领域的各个应用的性能都起着至关重要的作用，目前，网络结构的设计范式已经逐渐的从专家手动设计转变为了机器自动搜索。网络结构搜索 (Neural Architecture Search，NAS) 旨在研究如何在一个给定的搜索空间内自动地发现高性能高精度高效率的网络结构。 在过去的几年内，越来越多的科研人员 ………………………………