CVPR 2020: SGAS，一種基于貪心思想的CNN/GCN網絡結構搜索算法
2020-04-22 11:39
將門創(chuàng)投
關注
根據(jù)這三個影響邊選擇的三個因素，我們提出了兩個選擇指標：
指標1 ：具有高的邊重要性和高的邊確定性的邊將被選擇，公式為：
指標2：在指標1的基礎上，被選擇的邊也應該具有較高的穩(wěn)定性：
這里，normalize（·）指 Min－Max標準化。
實驗結果
我們搜索了CNN和GCN網絡結構，并在CIFAR，ImageNet圖像分類，ModelNet點云分類，PPI生物圖數(shù)據(jù)節(jié)點分類上達到了SOTA效果。
CNN
我們將SGAS用到CNN的網絡結構搜索中， CNN網絡結構由普通單元（normalcell） 和 歸約單元（reduction cell）組成。普通單元保持特征圖大小不變，歸約單元縮小特征圖至． CNN任務中，搜索空間由8個運算組成：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的訓練集與驗證集搜索結構，并在測試集上進行測試，結果如表1所示：
SGAS在CIFAR－10的訓練集與驗證集搜索結構，并在ImageNet測試集上進行測試，結果如表2所示：
我們的SGAS在性能超越了手工設計的網絡結構以及其他NAS算法。
分享
聲明：
本文由入駐維科號的作者撰寫，觀點僅代表作者本人，不代表OFweek立場。如有侵權或其他問題，請聯(lián)系舉報。
請輸入評論內容...
請輸入評論/評論長度6~500個字
