Machine learning

神经架构搜索

神经架构搜索（Neural Architecture Search, NAS）由 Zoph 和 Le 于 2017 年提出，它自动优化网络深度、宽度和连接结构等架构决策，而非手动设计。该领域的领先方法包括 DARTS、ENAS 和 Once-for-All。

在 MethodMind 中打开即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

相关方法的邻域——选择一个节点以展开探索。

神经架构搜索

另有 1 项

Zoph, B. & Le, Q.V. (2017). Neural Architecture Search with Reinforcement Learning. ICLR. link ↗
Liu, H. et al. (2019). DARTS: Differentiable Architecture Search. ICLR. link ↗

ScholarGate. (2026, June 1). Neural Architecture Search (NAS). ScholarGate. https://scholargate.app/zh/deep-learning/neural-architecture-search

将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。