SEval-NAS：一种面向神经网络搜索的搜索无关评估方法
机器学习
2026-03-03 v1 人工智能
神经与进化计算
摘要
神经网络搜索（NAS）自动发现满足特定标准的神经网络，但其评估程序往往是硬编码的，限制了引入新指标的能力。这一问题在硬件感知NAS中尤为突出，因为其目标取决于特定设备，如边缘硬件。为解决这一限制，我们提出了SEval-NAS，这是一种将架构转换为字符串、嵌入为向量并预测性能指标的度量评估机制。我们使用NATS-Bench和HW-NAS-Bench评估了准确率、延迟和内存。Kendall's τ相关系数显示，延迟和内存预测优于准确率，表明SEval-NAS适合作为硬件成本预测器。我们进一步将SEval-NAS集成到FreeREA中，用于评估最初未包含的指标。该方法成功排名了FreeREA生成的架构，维持了搜索时间，且仅需最小的代码更改。我们的实现已公开于https://github.com/Analytics-Everywhere-Lab/neural-architecture-search。
引用
@article{arxiv.2603.00099,
title = {SEval-NAS: A Search-Agnostic Evaluation for Neural Architecture Search},
author = {Atah Nuh Mih and Jianzhou Wang and Truong Thanh Hung Nguyen and Hung Cao},
journal= {arXiv preprint arXiv:2603.00099},
year = {2026}
}
备注
To be published in the Proceedings of The 41st ACM/SIGAPP Symposium on Applied Computing (SAC26)