darts
Automatiza a busca de arquitetura neural para redes convolucionais e recorrentes usando descida de gradiente.
Encontre arquiteturas de CNN e RNN de alto desempenho de forma eficiente em uma única GPU com relaxamento contínuo.
O DARTS é uma implementação de busca de arquitetura neural diferenciável para redes neurais convolucionais e recorrentes. Ele substitui algoritmos de busca de caixa-preta por descida de gradiente, otimizando relaxamentos contínuos de arquitetura. Pesquisadores de deep learning devem usá-lo para experimentar o design neural automatizado em uma única GPU.
O que é
O DARTS converte espaços de busca de células neurais discretas em representações contínuas, permitindo a otimização contínua da perda de validação por meio de descida de gradiente. O repositório contém código para executar experimentos de busca para células CNN no CIFAR-10 e células RNN no Penn Treebank. Também inclui scripts de avaliação para treinar genótipos de células descobertos do zero e visualizadores para gerar diagramas de arquitetura.
Para quem
Esta ferramenta é adequada para pesquisadores de deep learning que investigam algoritmos de Neural Architecture Search (NAS) e AutoML usando PyTorch. Não é destinada a engenheiros de ML de produção que precisam de pacotes Python modernos, mantidos ou plug-and-play.
Recursos principais
Relaxamento Contínuo de Arquitetura
Formula escolhas de células discretas como parâmetros contínuos para permitir a otimização direta via descida de gradiente.
Espaços de Busca de CNN e RNN
Fornece módulos de busca dedicados para células de classificação de imagens convolucionais e células de modelagem de linguagem recorrentes.
Pipeline de Busca em GPU Única
Executa a busca de arquitetura usando modelos proxy menores para manter os requisitos de computação limitados a uma GPU.
Visualização de Gráfico de Genótipos
Converte genótipos arquiteturais aprendidos em gráficos direcionados visualmente legíveis por meio da integração com o Graphviz.
Pronto em 3 passos
Nosso veredito honesto
Pontos fortes
- Pesquisa topologias de células neurais complexas usando descida de gradiente padrão em uma única GPU.
- Suporta tarefas de busca de arquitetura de visão (convolucional) e linguagem (recorrente).
- Inclui código de referência exato para treinar genótipos derivados do zero em datasets padrão.
- Fornece scripts integrados do Graphviz para visualizar estruturas de células neurais aprendidas.
Onde deixa a desejar
- Requer dependências legadas, especificamente Python 3.5.5 e PyTorch 0.3.1, causando problemas modernos de compatibilidade com CUDA.
- Requer a execução de várias sementes de busca para evitar mínimos locais ruins no espaço de busca contínuo.
- Requer o treinamento de genótipos candidatos do zero em 10 execuções independentes para avaliar a precisão adequadamente.
Preços & licença
O DARTS é um software livre lançado sob a licença Apache-2.0. O único custo envolvido é o custo de execução de recursos computacionais de GPU para executar os scripts de busca e avaliação.
Vagas para quem fala português
873 vagas remotas abertas de treinamento de IA, atualizadas em 15 de novembro de 2026; a maioria paga $20–$170 por hora. 8 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.
Alternativas
Estas ferramentas de IA avaliadas fazem o mesmo trabalho na hora — do nosso diretório avaliado.
Use, ou deixe que a gente configure
FAQ
Posso executar o DARTS com versões modernas do PyTorch?
O repositório original requer especificamente o PyTorch 0.3.1. A execução da versão 0.4 ou superior resultará em erros de falta de memória (out-of-memory) sem modificações no código.
Preciso de um cluster de GPUs massivo para executar a busca?
Não, a abordagem de relaxamento contínuo permite que a busca de arquitetura seja executada em uma única GPU usando pequenas redes proxy.
