分类器辅助神经网络架构搜索多目标多层级学习优化方法

本发明公开了一种分类器辅助神经网络架构搜索多目标多层级学习优化方法，包括下述步骤：将神经网络架构搜索问题作为多目标优化问题进行建模，构建搜索空间；构建测试网络进行训练；通过非支配排序筛选帕累托最优解，基于帕累托前沿保留的算子，构建专用搜索空间；执行分类器辅助的基于层级学习的多目标进化优化算法，基于候选解筛选策略对进化后的更新的种群进行选择，基于筛选的解进行目标函数评估，更新档案库，迭代训练后输出档案库中的帕累托最优解，选取最后一代种群的最优帕累托前沿中的网络作为最优的神经网络架构。本发明通过分类器辅助的分层粒子群优化算法实现神经网络架构的高效搜索，得到满足分类准确性和推理延迟双目标的解决方案。