告別煉丹，Google Brain提出強化學習助力Neural Architecture Search | ICLR2017
論文爲Google Brain在16年推出的使用強化學習的Neural Architecture Search方法，該方法能夠針對數據集搜索構建特定的網絡，但需要800卡訓練一個月時間。雖然論文的思路有很多改進的地方，但該論文爲AutoML的經典之作，爲後面很多的研究提供了思路，屬於里程碑式的論文，十分值得認真研讀，後面讀者會持續更新AutoML的論文，有興趣的可以持續關注 來源：曉飛的算法工
相關文章
- 1. Neural Architecture Search(NAS)
- 2. Neural architecture search
- 3. Neural Architecture Search with Reinforcement Learning論文總結
- 4. Neural Architecture Search — Limitations and Extensions
- 5. Research Guide for Neural Architecture Search
- 6. Efficient Neural Architecture Search via Parameter Sharing
- 7. NEURAL ARCHITECTURE SEARCH WITH REINFORCEMENT LEARNING
- 8. 《PaddlePaddle從入門到煉丹》一——強化學習
- 9. 《PaddlePaddle從入門到煉丹》七——強化學習
- 10. DARTS DIFFERENTIABLE ARCHITECTURE SEARCH
- 更多相關文章...
- • 您已經學習了 XML Schema，下一步學習什麼呢？ - XML Schema 教程
- • 我們已經學習了 SQL，下一步學習什麼呢？ - SQL 教程
- • Tomcat學習筆記（史上最全tomcat學習筆記）
- • 適用於PHP初學者的學習線路和建議
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. Neural Architecture Search(NAS)
- 2. Neural architecture search
- 3. Neural Architecture Search with Reinforcement Learning論文總結
- 4. Neural Architecture Search — Limitations and Extensions
- 5. Research Guide for Neural Architecture Search
- 6. Efficient Neural Architecture Search via Parameter Sharing
- 7. NEURAL ARCHITECTURE SEARCH WITH REINFORCEMENT LEARNING
- 8. 《PaddlePaddle從入門到煉丹》一——強化學習
- 9. 《PaddlePaddle從入門到煉丹》七——強化學習
- 10. DARTS DIFFERENTIABLE ARCHITECTURE SEARCH