PyTorch中的高效神经体系结构搜索（ENAS） 实现PyTorch实现。 ENAS通过在大型计算图中的子图模型之间共享参数，将（ NAS ）的计算需求（GPU小时）减少了1000倍。 关于Penn Treebank语言建模的SOTA。 ** [注意]请使用作者提供的官方代码：** 先决条件 Python 3.6+ tqdm，scipy，imageio，graphviz，tensorboardX 用法 安装必备组件： conda install graphviz pip install -r requirements.txt 要训​​练ENAS以发现RNN的复发细胞，请执行以下操作： python main.py --network_type rnn --dataset ptb --controller_optim adam --controller_lr 0.00035 \

NAS 的目标是找到一个合适的神经网络结构，用于在某个或者某类任务上有更好的泛化性能。如下图所示，这篇文章使用了一个 RNN 的控制器，用该控制器采样得到某一个神经网络结构 A，在该神经网络结构下训练数据并且得到相应的验证集上的准确率 R，使用该准确率来表征本次搜索得到的神经网络结构的好坏，进而将此作为信号来训练 RNN 控制器。

计算机视觉Github开源论文