PC-DARTS论文概要

核心思想:在每个步骤中随机采样所有通道中的一个子集,而不是将所有通道都发送到操作选择块中,将被选中子集视为所有通道的一个代理近似。
PC-DARTS论文概要_第1张图片

优点:显著减小计算和存储花费,增大批次大小,减少选择操作时的偏差,增强模型稳定性,正则化低参操作(跳跃连接,池化)和高参操作(各式卷积),避免陷入局部最优。
缺点:DARTS使用通道选择操作,在进行随机通道采样时,不同迭代次数采样到的通道不尽相同,导致操作选择的不稳定,进而影响模型的稳定性。
解决办法:边标准化,在已有架构参数α的基础上引入参数β(训练过程中贡共享,对架构搜索中的通道采样不敏感),操作通过α和β乘积大小选择。
具体实现:引入超参数K,选择总通道数的1/K。设置通道采样掩码,为1时选择该通道,为0时忽略该通道,被选择的通道通过相应的操作,被忽略的通道直接略过这些操作复制到输出上,结合边标准化来获得架构参数,获得稳定的模型。

你可能感兴趣的:(NAS,算法,pytorch,深度学习,神经网络,人工智能)