Automatisiert die neuronale Architektursuche für konvolutionale und rekurrente Netzwerke mittels Gradientenabstieg.
Finden Sie hocheffiziente CNN- und RNN-Architekturen auf einer einzelnen GPU durch kontinuierliche Relaxation.
DARTS ist eine Implementierung der differentiellen neuronalen Architektursuche für konvolutionale und rekurrente neuronale Netze. Es ersetzt Black-Box-Suchalgorithmen durch Gradientenabstieg und optimiert kontinuierliche Architekturrelaxation. Deep-Learning-Forscher sollten es verwenden, um auf einer einzelnen GPU mit automatisiertem neuralen Design zu experimentieren.
DARTS konvertiert diskrete neuronale Zellen-Suchräume in kontinuierliche Darstellungen und ermöglicht so eine kontinuierliche Validierungsverlust-Optimierung durch Gradientenabstieg. Das Repository enthält Code zur Durchführung von Suchexperimenten für CNN-Zellen auf CIFAR-10 und RNN-Zellen auf Penn Treebank. Es enthält außerdem Evaluierungsskripte zum Trainieren entdeckter Zellen-Genotypen von Grund auf sowie Visualisierer zum Erstellen von Architekturschaubildern.
Dieses Tool richtet sich an Deep-Learning-Forscher, die Neural Architecture Search (NAS) und AutoML-Algorithmen mit PyTorch untersuchen. Es ist nicht gedacht für produktive ML-Ingenieure, die moderne, gewartete oder sofort einsatzbereite Python-Pakete benötigen.
Formuliert diskrete Zellwahlen als kontinuierliche Parameter, um eine direkte Optimierung via Gradientenabstieg zu ermöglichen.
Bietet dedizierte Suchmodule für konvolutionale Bildklassifizierungszellen und rekurrentere Sprachmodellierungszellen.
Führt die Architektursuche mit kleineren Proxy-Modellen aus, um den Rechenaufwand auf eine GPU zu beschränken.
Konvertiert gelernte architektonische Genotypen durch Graphviz-Integration in visuell lesbare gerichtete Graphen.
DARTS ist freie Software, veröffentlicht unter der Apache-2.0-Lizenz. Die einzigen Kosten bestehen in den Kosten für den Betrieb von GPU-Rechenressourcen zur Ausführung von Such- und Evaluierungsskripten.
879 offene Remote-Stellen im KI-Training, aktualisiert am 16. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Diese bewerteten KI-Tools erledigen die Aufgabe sofort — aus unserem bewerteten Verzeichnis.
Das originale Repository erfordert spezifisch PyTorch 0.3.1. Das Ausführen von Version 0.4 oder höher führt ohne Code-Modifikationen zu Out-of-Memory-Fehlern.
Nein, der Ansatz der kontinuierlichen Relaxation ermöglicht die Durchführung der Architektursuche auf einer einzelnen GPU unter Verwendung kleiner Proxy-Netzwerke.
Zekai zuerst in Google sehen