LeMo-NADe: 使用 LLMs 进行多参数神经架构探索
原文中文，约400字，阅读约需1分钟。发表于：。通过用户定义的参数、专家系统和基于大量开放领域知识训练的 LLM，我们引入了一个新的框架（LeMo-NADe），用于自动发现基于用户定义参数的新的神经网络架构。该框架专为非人工智能专家设计，不需要预先确定的神经结构搜索空间，并考虑大量特定于边缘设备的参数。我们使用 CIFAR-10、CIFAR-100 和 ImageNet16-120 数据集以及 GPT-4 Turbo 和 Gemini...
通过用户定义的参数、专家系统和基于开放领域知识训练的LLM，引入了一个新的框架（LeMo-NADe），用于自动发现基于用户定义参数的新的神经网络架构。该框架专为非AI专家设计，不需要预先确定的神经结构搜索空间，并考虑边缘设备参数。结果显示该框架能快速发现性能优异的复杂神经网络模型。
