当前标签：autoML

[CVPR2021] AttentiveNAS： Improving Neural Architecture Search via Attentive Sampling

marsggbo 2022-04-26 20:28 阅读:144 评论:0 推荐:0

ICLR2022 | UniNet: Unified Architecture Search with Convolution, Transformer, and MLP

marsggbo 2021-12-23 23:07 阅读:230 评论:0 推荐:0

ICCV 2021 | BossNAS: Exploring Hybrid CNN-transformers with Block-wisely Self-supervised NAS

marsggbo 2021-12-21 22:14 阅读:283 评论:0 推荐:0

ICCV 2021 | BN-NAS: 只训练BN层来自动搜索模型

marsggbo 2021-09-14 23:26 阅读:455 评论:0 推荐:0

自动化机器学习方面的开源框架和商业服务列表

marsggbo 2021-08-02 20:43 阅读:151 评论:0 推荐:0

进阶版OFA算法：CompOFA: Compound Once-for-all Networks

marsggbo 2021-07-24 11:00 阅读:322 评论:1 推荐:0

论文解读 Once for all: Train One Network and Specialize it for Efficient Deployment

marsggbo 2021-07-24 10:45 阅读:1054 评论:0 推荐:0

Retiarii：微软在NAS框架上的新动作，已被顶会OSDI2020接收

marsggbo 2021-05-13 22:43 阅读:828 评论:0 推荐:1

通过损失函数优化提高训练速度、准确性和数据利用率

marsggbo 2021-01-23 15:57 阅读:1051 评论:0 推荐:0

华为诺亚AutoML框架-Vega：(2) 代码结构

marsggbo 2021-01-23 15:56 阅读:628 评论:0 推荐:0

华为诺亚实验室AutoML框架-Vega：(1) 介绍

marsggbo 2021-01-23 15:52 阅读:1216 评论:0 推荐:0

【论文笔记系列】自动搜索损失函数？AM-LFS：AutoML for Loss Function Search

marsggbo 2020-08-12 10:58 阅读:846 评论:0 推荐:0

AutoML综述更新【AutoML：Survey of the State-of-the-Art】

marsggbo 2020-07-09 19:01 阅读:1477 评论:1 推荐:0

【论文笔记系列】- Understanding and Simplifying One-Shot Architecture Search

marsggbo 2020-06-26 16:56 阅读:1123 评论:0 推荐:0

【论文笔记系列】AutoML：A Survey of State-of-the-art （下）

marsggbo 2020-02-11 13:58 阅读:978 评论:0 推荐:0

【论文笔记系列】AutoML：A Survey of State-of-the-art （上）

marsggbo 2020-02-11 12:01 阅读:1872 评论:0 推荐:2

论文笔记系列--Progressive Differentiable Architecture Search：Bridging the Depth Gap between Search and Evaluation

marsggbo 2020-01-23 19:13 阅读:1105 评论:1 推荐:0

论文笔记系列--MnasNet：Platform-Aware Neural Architecture Search for Mobile

marsggbo 2020-01-22 22:07 阅读:3245 评论:0 推荐:1

论文笔记系列-AutoFPN

marsggbo 2019-12-03 15:26 阅读:1018 评论:0 推荐:0

论文笔记系列-Auto-DeepLab:Hierarchical Neural Architecture Search for Semantic Image Segmentation

marsggbo 2019-09-14 17:50 阅读:1273 评论:0 推荐:0