摘要
本说明书公开了一种神经网络架构搜索方法、装置、存储介质及电子设备。本方法利用架构拓扑结构和候选操作特征的分布变量实现原始离散架构空间的连续松弛化;通过网络架构的图数据表示和编码,以及基于图神经网络的代理模型训练,实现对原始空间的代理表征;采用重参数化方法,分别实现了基于梯度的图拓扑结构和特征矩阵的可微搜索;以离散架构采样、代理模型训练、架构搜索在线、协同交替进行的方式,端到端实现了架构的优化搜索。综上所述,本方法对于任意架构空间,无需预先定义用于代理模型预训练的数据点数量,仅需要确定好采样架构点总数作为搜索预定义开销,即可完成神经网络架构的搜索。
技术关键词
神经网络模型
矩阵
神经网络架构
变量
样本
硬件平台
参数化方法
模型预训练
规模
电子设备
处理器
采样模块
标签
输入模块
关系
指标
系统为您推荐了相关专利信息
补偿控制方法
钎杆
训练预测模型
变量
建立映射关系
资源推荐方法
图谱
资源推荐系统
矩阵
生成数据集
类别识别方法
深度学习分类模型
图像
数据生成算法
卷积神经网络提取
蓄电池
参数
车辆电池
神经网络模型
电池剩余容量