darts
Automatiza la búsqueda de arquitectura neuronal para redes convolucionales y recurrentes mediante descenso de gradiente.
Encuentra arquitecturas CNN y RNN de alto rendimiento de forma eficiente en una sola GPU con relajación continua.
DARTS es una implementación de búsqueda de arquitectura neuronal diferenciable para redes neuronales convolucionales y recurrentes. Reemplaza los algoritmos de búsqueda de caja negra con descenso de gradiente, optimizando relajaciones de arquitectura continua. Los investigadores de aprendizaje profundo deberían usarlo para experimentar con el diseño neuronal automatizado en una sola GPU.
Qué es
DARTS convierte los espacios de búsqueda de celdas neuronales discretas en representaciones continuas, lo que permite la optimización continua de la pérdida de validación mediante descenso de gradiente. El repositorio contiene código para ejecutar experimentos de búsqueda para celdas CNN en CIFAR-10 y celdas RNN en Penn Treebank. También incluye scripts de evaluación para entrenar genotipos de celdas descubiertos desde cero y visualizadores para generar diagramas de arquitectura.
Para quién
Esta herramienta se adapta a los investigadores de aprendizaje profundo que investigan algoritmos de Búsqueda de Arquitectura Neuronal (NAS) y AutoML utilizando PyTorch. No está destinada a ingenieros de ML de producción que necesiten paquetes de Python modernos, mantenibles o listos para usar.
Funciones clave
Relajación de arquitectura continua
Formula las opciones de celdas discretas como parámetros continuos para permitir la optimización directa mediante descenso de gradiente.
Espacios de búsqueda CNN y RNN
Proporciona módulos de búsqueda dedicados para celdas de clasificación de imágenes convolucionales y celdas de modelado de lenguaje recurrente.
Tubería de búsqueda de una sola GPU
Ejecuta la búsqueda de arquitectura utilizando modelos proxy más pequeños para mantener los requisitos de cómputo en una sola GPU.
Visualización de gráficos de genotipos
Convierte los genotipos arquitectónicos aprendidos en gráficos dirigidos visualmente legibles mediante la integración con Graphviz.
Listo en 3 pasos
Nuestro veredicto honesto
Lo mejor
- Busca topologías de celdas neuronales complejas utilizando descenso de gradiente estándar en una sola GPU.
- Compatible con tareas de búsqueda de arquitectura tanto de visión (convolucional) como de lenguaje (recurrente).
- Incluye código de referencia exacto para entrenar genotipos derivados desde cero en conjuntos de datos estándar.
- Proporciona scripts integrados de Graphviz para visualizar estructuras de celdas neuronales aprendidas.
Sus límites
- Requiere dependencias heredadas, específicamente Python 3.5.5 y PyTorch 0.3.1, lo que causa problemas modernos de compatibilidad con CUDA.
- Requiere ejecutar múltiples semillas de búsqueda para evitar mínimos locales pobres en el espacio de búsqueda continuo.
- Requiere entrenar genotipos candidatos desde cero a lo largo de 10 ejecuciones independientes para evaluar la precisión adecuadamente.
Precios y licencia
DARTS es software libre publicado bajo la licencia Apache-2.0. El único coste involucrado es el coste de ejecutar recursos de computación GPU para ejecutar los scripts de búsqueda y evaluación.
Empleos para hispanohablantes
874 puestos remotos abiertos de entrenamiento de IA, actualizados el 15 de noviembre de 2026; la mayoría paga $20–$170 por hora. 22 de ellos piden hispanohablantes. Zekai los lista gratis; la solicitud va a la plataforma del empleador.
Alternativas
Estas herramientas de IA evaluadas hacen el mismo trabajo al instante — de nuestro directorio puntuado.
Úsalo, o deja que lo configuremos
FAQ
¿Puedo ejecutar DARTS con versiones modernas de PyTorch?
El repositorio original requiere específicamente PyTorch 0.3.1. Ejecutar la versión 0.4 o superior provocará errores de falta de memoria (out-of-memory) sin modificaciones en el código.
¿Necesito un clúster de GPU masivo para ejecutar la búsqueda?
No, el enfoque de relajación continua permite que la búsqueda de arquitectura se ejecute en una sola GPU utilizando redes proxy pequeñas.
