DONNAv2 — 用于视觉任务的轻量级神经架构搜索

通过消除构建准确性预测器和利用区块知识蒸馏过滤来提高 DONNAv2 的性能，并减少 DONNA 在较大数据集上的计算成本。

该文提出了一种基于元学习的跨模态潜空间的神经架构搜索框架，结合预训练的网络库和数据库，可以快速地为新数据集搜索神经架构，并提出了一种元性能预测器。实验结果表明，该模型在多个未见数据集上成功泛化，平均搜索时间为33 GPU秒，比其他可转移NAS方法快5.5K倍。

元学习 元性能预测器 神经架构搜索 跨模态 预训练
原文约400字/词，阅读约需1分钟。发表于：。
阅读原文
分享给好友