文件名称：bananas:用于神经架构搜索的具有神经架构的贝叶斯优化-https
文件大小：1022KB
文件格式：ZIP
更新时间：2024-04-25 05:34:17
Python
香蕉 注意：我们的naszilla / bananas存储库已被扩展命名为 ，并且该存储库已被弃用，不再维护。 请使用具有更多功能的 。 柯林·怀特（Colin White），威利·内斯旺格（Willie Neiswanger）和亚什·萨瓦尼（Yash Savani）。 arXiv：1910.11858 神经体系结构搜索的新方法 BANANAS是一种神经架构搜索（NAS）算法，该算法将贝叶斯优化与元神经网络结合使用来预测神经架构的验证准确性。 我们使用基于路径的编码方案来完善用于训练神经网络模型的神经体系结构。 在仅训练了200种架构之后，我们就能预测新架构的验证准确性平均在1％以内。 完整的NAS算法在NASBench和DARTS搜索空间上超越了现有技术。 在NASBench搜索空间中，BANANAS的效率比随机搜索高100倍，比我们尝试的次优算法高3.8倍。 在DARTS搜索空间上，
【文件预览】：
bananas-main
----meta_neural_net.py(3KB)
----params.py(4KB)
----img()
--------metann_path_test.png(70KB)
--------metann_path_train.png(64KB)
--------bananas_reduction.png(107KB)
--------bananas_fig.png(341KB)
--------metann_adj_test.png(72KB)
--------metann_adj_train.png(74KB)
--------nasbench_plot.png(189KB)
--------bananas_normal.png(121KB)
----train_arch_runner.py(3KB)
----nas_algorithms.py(13KB)
----nas_bench_201()
--------cell.py(7KB)
--------__init__.py(1B)
----LICENSE(11KB)
----bo()
--------fn()
--------bo()
--------__init__.py(65B)
--------pp()
--------ds()
--------acq()
--------dom()
--------util()
----meta_neuralnet.ipynb(6KB)
----darts()
--------arch.py(6KB)
--------__init__.py(1B)
----.gitignore(205B)
----acquisition_functions.py(2KB)
----run_experiments_sequential.py(4KB)
----run_experiments_parallel.sh(2KB)
----README.md(6KB)
----metann_runner.py(5KB)
----nas_bench()
--------cell.py(10KB)
--------__init__.py(1B)
----data.py(12KB)