Auto-Keras：一种高效的神经架构搜索系统
机器学习
2019-03-27 v3 人工智能
机器学习
摘要
神经架构搜索(NAS)被提出用于自动调优深度神经网络，但现有搜索算法（如NASNet、PNAS）通常面临计算代价高昂的问题。网络态射在改变神经网络架构的同时保持其功能性，可通过在搜索过程中实现更高效的训练来助力NAS。本文提出一种新颖框架，使贝叶斯优化引导网络态射以进行高效神经架构搜索。该框架开发了神经网络核与树结构获取函数优化算法，以高效探索搜索空间。在真实基准数据集上的大量实验表明所开发框架相较最先进方法具有优越性能。此外，我们基于该方法构建了开源AutoML系统，即Auto-Keras。该系统在CPU与GPU上并行运行，并针对不同GPU内存限制采用自适应搜索策略。
引用
@article{arxiv.1806.10282,
title = {Auto-Keras: An Efficient Neural Architecture Search System},
author = {Haifeng Jin and Qingquan Song and Xia Hu},
journal= {arXiv preprint arXiv:1806.10282},
year = {2019}
}
备注
The code of Auto-Keras is available at https://autokeras.com