CVPR 2020: SGAS，一种基于贪心思想的CNN/GCN网络结构搜索算法
2020-04-22 11:39
将门创投
关注
根据这三个影响边选择的三个因素，我们提出了两个选择指标：
指标1 ：具有高的边重要性和高的边确定性的边将被选择，公式为：
指标2：在指标1的基础上，被选择的边也应该具有较高的稳定性：
这里，normalize（·）指 Min－Max标准化。
实验结果
我们搜索了CNN和GCN网络结构，并在CIFAR，ImageNet图像分类，ModelNet点云分类，PPI生物图数据节点分类上达到了SOTA效果。
CNN
我们将SGAS用到CNN的网络结构搜索中， CNN网络结构由普通单元（normalcell） 和 归约单元（reduction cell）组成。普通单元保持特征图大小不变，归约单元缩小特征图至． CNN任务中，搜索空间由8个运算组成：skip－connect，max－pool－3×3， avg－pool－3×3， sep－conv－3×3， sep－conv5×5， dil－conv－3×3，dil－conv－5×5， zero。
SGAS在CIFAR－10的训练集与验证集搜索结构，并在测试集上进行测试，结果如表1所示：
SGAS在CIFAR－10的训练集与验证集搜索结构，并在ImageNet测试集上进行测试，结果如表2所示：
我们的SGAS在性能超越了手工设计的网络结构以及其他NAS算法。
分享
声明：
本文由入驻维科号的作者撰写，观点仅代表作者本人，不代表OFweek立场。如有侵权或其他问题，请联系举报。
发表评论
登录
手机
验证码
手机/邮箱/用户名
密码
立即登录即可访问所有OFweek服务
还不是会员？免费注册
忘记密码其他方式
请输入评论内容...
请输入评论/评论长度6~500个字
暂无评论
暂无评论