＜ATLAS: 第一个针对表格数据 (tabular data) 的即时神经网络结构搜索 (anytime neural architecture search) 方法＞读后感

最新推荐文章于 2024-09-30 23:54:43 发布

邓某人的父亲

最新推荐文章于 2024-09-30 23:54:43 发布

阅读量246

点赞数 1

文章标签：深度学习

本文链接：https://blog.csdn.net/m0_62121252/article/details/142648421

版权

鄙人最近在研究某个计算机视觉项目时希望引进 NAS 作为提高精度的方法. 然后直接找一个 NAS 方法拿来用虽然说可以, 但是创新点不够, 需要针对目前的研究场景做一定的改进. 然而鄙人第一次接触到 NAS 领域, 可以说是纯纯的小白, 只能从 A 会文章中寻找一些灵感.

偶然从一篇总结 2024 年 ICLR 中 NAS 领域的博客. 其中第一篇即为一篇将 NAS 应用到表格数据的文章. 正和我心意, 于是花了四五天的时间拜读了这篇文章. 因为鄙人从未接触过 “表格数据”, 所以有很多地方没有看懂, 致使这篇读后感只能算是微不足道的感悟, 更遑论教程, 如果想要彻底搞清楚原理, 还需要亲读论文.

摘要 (Abstract)

作者在摘要中, 明确指出了什么是 anytime NAS, 所谓 anytime NAS即为
一种能够在任何给定的时间预算内返回当前最佳架构, 同时又可以通过增加预算分配逐步提高架构质量的一种高效且相应迅速的 NAS 方法 (an efficient and responsive anytime NAS approach that is capable of returning current optimal architectures within any given time budget while progressively enhancing architecture quality with increased budget allocation.). 紧接着作者表明, 目前并没有真的对表格数据采用的 Anytime NAS 方法, 于是作者专门研究了一款专为表格数据的 Anytime NAS 方法: ATLAS.