GreedyNASv2：貪欲なパスフィルターを使用した貪欲な検索
ワンショットNASメソッドで優れたスーパーネットをトレーニングすることは、検索スペースが通常かなり大きいため（たとえば、13 ^ 21）困難です。スーパーネットの評価能力を高めるための貪欲な戦略の1つは、良いパスをサンプリングし、スーパーネットを良いパスに傾けて、結果として評価の負担を軽減することです。ただし、実際には、適切なパスの識別が十分に正確でなく、サンプリングされたパスが検索スペース全体に散在しているため、検索は依然として非常に非効率的である可能性があります。このホワイトペーパーでは、明示的なパスフィルタを利用してパスの特性をキャプチャし、それらの弱いパスを直接フィルタリングして、縮小されたスペースで検索をより貪欲かつ効率的に実装できるようにします。具体的には、良いパスは空間内の弱いパスよりもはるかに少ないという事実に基づいて、マルチパスサンプリングでは「弱いパス」のラベルは「良い
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
https://arxiv-check-250201.firebaseapp.com/each/2406.13384v1
https://arxiv-check-250201.firebaseapp.com/each/2406.01869v1
https://arxiv-check-250201.firebaseapp.com/each/2312.12648v1
https://arxiv-check-250201.firebaseapp.com/each/2310.05664v2
FreeREA: トレーニング不要の進化ベースのアーキテクチャ検索
SuperTickets：アーキテクチャ検索とパラメータプルーニングを組み合わせてスーパーネットからタスクに依存しない宝くじチケットを描画する
SuperTickets：アーキテクチャ検索とパラメータプルーニングを組み合わせてスーパーネットからタスクに依存しない宝くじチケットを描画する
GreedyNASv2：貪欲なパスフィルターを使用した貪欲な検索