• AutoDL
  • 参考

AutoDL

参考

https://github.com/hibayesian/awesome-automl-papers

自动机器学习（auto machine learning）相关资源列表

https://github.com/guan-yuan/awesome-AutoML-and-Lightweight-Models

一份高质量AutoML工作和轻量级模型的列表，包括神经结构搜索，轻量级结构，模型压缩和加速，超参数优化，自动特征工程。

https://www.automl.org/automl/literature-on-neural-architecture-search/

最新246篇自动化神经网络搜索（NAS）论文

https://mp.weixin.qq.com/s/UB39kvBGXZxGsRjv451tew

百度AutoDL“自动深度学习: 理论、算法、平台和应用”132PPT

https://zhuanlan.zhihu.com/p/94252445

神经网络架构搜索(NAS)中的milestones

https://mp.weixin.qq.com/s/Ia-8qFLAyY65Nai5PGAw0w

人人都能用的深度学习：当前三大自动化深度学习平台简介

https://mp.weixin.qq.com/s/tFzbJdW-L342tMNXDiacCg

AutoML研究综述：让AI学习设计AI

https://mp.weixin.qq.com/s/k27p9X58tvwptp7ZIBt6TQ

用AI构建AI-AutoML综述

https://mp.weixin.qq.com/s/62cqtwslax_cvA57252zYA

IBM自动机器学习网络架构搜索最新综述

https://mp.weixin.qq.com/s/qVVeKZ1DNLbxqOGm2cKriQ

自动机器学习: 最新进展综述与开放挑战

https://mp.weixin.qq.com/s/nCyj-OGWXC0pntJJj91xrA

深度学习的未来——神经架构搜索

https://mp.weixin.qq.com/s/m5b9QZl6Axd1iYWeTADZzA

AutoML自动机器学习：最新进展综述

https://mp.weixin.qq.com/s/aJS8F3SCLnVAv9mwYNnhbA

一文盘点AutoML库

https://zhuanlan.zhihu.com/p/75747814

自动机器学习AutoML和神经架构搜索NAS简介

http://blog.csdn.net/u014380165/article/details/78525687

自学网络结构（二）：Learning Transferable Architectures for Scalable Image Recognition

http://blog.csdn.net/u014380165/article/details/78525500

自学网络结构（一）：Neural Architecture Search With Reinforcement Learning

https://mp.weixin.qq.com/s/zAHbuwOyUbvii8u6GdK9uA

AutoML&NAS综述（上）

https://mp.weixin.qq.com/s/PWhzZzs0kkFWci6Lhm4R3Q

AutoML&NAS综述（下）

https://mp.weixin.qq.com/s/9fueXYvv8MuP_0gn6587dg

NAS: One-Shot方法总结

https://mp.weixin.qq.com/s/j3oZ-Y953U4aX0nXeWuZlg

西北大学最新《神经架构搜索NAS》2020综述综述论文

https://mp.weixin.qq.com/s/O6ZnVMFXqEdoRiXhxa2r8A

《神经架构搜索NAS》最新进展综述，25页pdf

https://mp.weixin.qq.com/s/FdKcWsynTpfD6rbABPTEOQ

神经架构搜索研究指南，只看这一篇就够了

https://www.zhihu.com/question/67477086

如何评价Google最新的论文NASNet？

https://mp.weixin.qq.com/s/Yh8Zj7Jhliy7a9h6mW8FxQ

解读谷歌NASNet：一个大规模图像识别架构!

https://mp.weixin.qq.com/s/OMzx3nKqn1un2fCZseID2Q

怎样设计最优的卷积神经网络架构？NAS原理剖析

https://mp.weixin.qq.com/s/x_DcgxVLbCGsac2cjdmjeg

神经架构搜索（NAS）简要介绍

https://mp.weixin.qq.com/s/D0HngY-U7_fP4vqDIjvaew

自动选模型+调参：谷歌AutoML背后的技术解析

https://mp.weixin.qq.com/s/tWO1Qv1aoemC8nHvJXZyeA

清华大学张长水教授：神经网络模型的结构优化

https://mp.weixin.qq.com/s/GLiOZjqC9DSvGEX3xqbHJg

鸡生蛋与蛋生鸡，纵览神经架构搜索方法

https://mp.weixin.qq.com/s/DLpMVOmkvpWqlHIAZojwog

一文看懂深度学习新王者“AutoML”：是什么、怎么用、未来如何发展？

https://mp.weixin.qq.com/s/X6m4ZHDKY4gC-v0YN5g4YA

谷歌云提出渐进式神经架构搜索：高效搜索高质量CNN结构

https://mp.weixin.qq.com/s/0te0JUKYZlSLs3kzsFV-NA

神经网络架构搜索（NAS）综述

https://mp.weixin.qq.com/s/kfq_SOjhD8X-DKPeVeI3-A

2020神经网络架构搜索（NAS）最新技术综述

https://mp.weixin.qq.com/s/W9bdVJI6Jesm9-wE5pQ-mw

神经网络架构搜索（NAS）基础入门

https://zhuanlan.zhihu.com/p/44576620

让算法解放算法工程师—NAS综述

https://mp.weixin.qq.com/s/3njCAKQsQ8UhL3gqDDHZGQ

近期大热的AutoML领域，都有哪些值得读的论文？

https://mp.weixin.qq.com/s/l6uzHwGSTY5xRSkPD_B2rw

深度学习模型超参数搜索实用指南

https://zhuanlan.zhihu.com/p/71547478

NAS发展史：从放弃到入门

https://mp.weixin.qq.com/s/Kg1HHzXutTCaaxH83rLgiQ

神经网络结构搜索NAS，41页ppt了解最新进展

https://zhuanlan.zhihu.com/p/35050923

跬步至千里：揭秘谷歌AutoML背后的渐进式搜索技术

https://mp.weixin.qq.com/s/z360mTVRqeDFMBiJ0Q_9SQ

调参心得：超参数优化之旅

https://mp.weixin.qq.com/s/2u3_ky2hFe3cldvF74gLDA

机器学习模型的超参数优化

https://mp.weixin.qq.com/s/ODMUcqid2ALPsno0PDuBCQ

详解高效模型设计的自动机器学习流水线

https://mp.weixin.qq.com/s/wGt3Xk_ARqHei-ddU9iXNg

算力节省240倍！上交大、MIT新方法低成本达到谷歌AutoML性能

https://mp.weixin.qq.com/s/pXskwKkzCtgIuNtgFVF_wg

ImageNet分类精度再创新高！李飞飞组ECCV Oral提出全新渐进式神经结构搜索

https://mp.weixin.qq.com/s/dSAjdx7jsKgI5SQpMY213w

微软&中科大提出新型自动神经架构设计方法NAO

https://mp.weixin.qq.com/s/KvkkmDIY7Y0NBgYF86E2Pw

神经网络突变自动选择AI优化算法，速度提升50000倍！

https://mp.weixin.qq.com/s/7dNB6V4gHdkN-N2td43NrA

一种简单有效的网络结构搜索

https://mp.weixin.qq.com/s/5H3wk93QoxHteR_HD2hWiA

DeepMind提出架构搜索新方法：使用分层表示，时间短精度高

https://zhuanlan.zhihu.com/p/46350372

语义分割领域开山之作：Google提出用神经网络搜索实现语义分割

https://mp.weixin.qq.com/s/VZVaWmCit5Ey7ZboeMbK7g

AutoML、AutoKeras……这四个“Auto”的自动机器学习方法你分得清吗？

https://mp.weixin.qq.com/s/DQcRqWALLuPpNabCv83Vcg

自动机器学习，神经网络自主编程

https://mp.weixin.qq.com/s?__biz=MzUyMjE2MTE0Mw==&mid=2247486970&idx=2&sn=6878205053d13467f66055a3314eeba1

如何利用高效的搜索算法来搜索网络的拓扑结构

https://mp.weixin.qq.com/s/Y8i25dZmj41dr8nz2WyNbQ

搜索一次就够了：中科院&图森提出通过稀疏优化进行一次神经架构搜索

https://mp.weixin.qq.com/s/lB3oGZ8qxpUMSpyHLySzBw

麻省理工HAN Lab提出ProxylessNAS自动为目标任务和硬件定制高效CNN结构

https://mp.weixin.qq.com/s/xbkFUfJbaw_h_bCZj3pdAQ

李飞飞等人提出Auto-DeepLab：自动搜索图像语义分割架构

https://mp.weixin.qq.com/s/B0Qld2Xi8kaoe3hf8TN7rA

华中科大提出EAT-NAS方法：显著提升大规模神经模型搜索速度

https://mp.weixin.qq.com/s/RDMb8YD3K_E06RxAgwwOnw

雷军强推：小米造最强超分辨率算法，现已开源

https://mp.weixin.qq.com/s/IHYuRjSZTE0wqJJwf3wGmw

机器学习论文笔记—如何利用高效的搜索算法来搜索网络的拓扑结构

https://mp.weixin.qq.com/s/4hHoRDKqPT25ltU7nyaRAQ

旷视提出One-Shot模型搜索框架的新变体

https://mp.weixin.qq.com/s/5kynyTPod0AUIYhL5kIDbA

何恺明等人新作：效果超ResNet，利用NAS方法设计随机连接网络

https://zhuanlan.zhihu.com/p/62523100

NAS之Randomly Wired Neural Networks

https://mp.weixin.qq.com/s/20jDhSv1wazb9UD_bYRXFQ

用神经架构搜索实现更好的目标检测

https://mp.weixin.qq.com/s/rgbHJ_95tDf-kYMTO1YYcw

谷歌大脑提出NAS-FPN：这是一种学会自动架构搜索的特征金字塔网络

https://mp.weixin.qq.com/s/j_QHRCa_eNJ_IMRPpqc76w

NAS-FPN：基于自动架构搜索的特征金字塔网络

https://zhuanlan.zhihu.com/p/97230695

NAS+Det第一弹：NAS-FPN

https://zhuanlan.zhihu.com/p/98373780

NAS+Det第二弹：EfficientDet

https://zhuanlan.zhihu.com/p/100590305

NAS+Det第三弹：SpineNet

https://mp.weixin.qq.com/s/j-EA1ha1lcLtqJQJO8y0ZA

Google Brain新作：网络结构搜索NAS在物体检测金字塔FPN框架大放异彩

https://mp.weixin.qq.com/s/Awn_fNRpGVa1xhy-jsCOFQ

AutoML for Mobile Compression and Acceleration on Mobile Devices

https://mp.weixin.qq.com/s/rMpV2na0GJxiO1v0HRJjPA

何凯明团队《随机生成网络 RandWire》

https://mp.weixin.qq.com/s/ZTeIuBZzC44NhLNZkxJNQw

商汤使用AutoML设计Loss函数，全面超越人工设计

https://mp.weixin.qq.com/s/mQ01MkRCWL0gZVtVWZmbJw

谷歌发布颠覆性研究：不训练不调参，AI自动构建超强网络，告别炼丹一大步（WANN）

https://mp.weixin.qq.com/s/nNkbX4TEKidK2xKkYWCLbg

深度解读何恺明团队提出的随机连接神经网络RandWireNN

https://mp.weixin.qq.com/s/iEzfaIGwcm8UaPJzedkjnw

谷歌将AutoML应用于Transformer架构，翻译结果飙升

https://mp.weixin.qq.com/s/6PtBqWmqIm76jhfSNGPHYA

超越MnasNet、Proxyless：小米开源全新神经架构搜索算法FairNAS

https://mp.weixin.qq.com/s/1qQmvSF4Btfoo0F4g6WZwQ

深度解读：小米AI实验室AutoML团队最新成果FairNAS

https://mp.weixin.qq.com/s/wzf7VwVPpTz9DxsoEfCpYw

单路径NAS: 在四小时内设计出给定硬件内最有效的网

https://mp.weixin.qq.com/s/AlDMBVJHxOEpj-Z4hIjpqA

DenseNAS：密集连接搜索空间下的高灵活度网络结构搜索

https://mp.weixin.qq.com/s/pToK-DfUVqWaAznJND__Ag

方杰民：Recent Advances and Highlights of NAS

https://mp.weixin.qq.com/s/H30A9cBFkAu4o7amO8SEwg

网络搜索之DARTS, GDAS, DenseNAS, P-DARTS, PC-DARTS

https://mp.weixin.qq.com/s/_31zbbQ5dHf2UaI8GhXozw

4 GPU hours搜索到一个鲁棒的网络结构

https://mp.weixin.qq.com/s/slrRXgD49I7ZG24ialVxPw

第四范式涂威威：自动机器学习求解三要素与发展趋势

https://mp.weixin.qq.com/s/X5Oi8gKyT5Tmh7ljon3MzQ

谷歌引入自动网络设计，高效解决大规模深度推荐模型的特征嵌入问题

https://mp.weixin.qq.com/s/rllQLPPYxxLCK9-dgOjLDg

另一种可微架构搜索：商汤提出在反传中学习架构参数的SNAS

https://mp.weixin.qq.com/s/AV8fD5Vf6uzhLeW9nfMASg

一文详解随机神经网络结构搜索(SNAS)

https://mp.weixin.qq.com/s/s10z5pkYf5Sha0V58T8fBw

单路径NAS: 在四小时内设计出给定硬件内最有效的网

https://www.zhihu.com/question/339002300

One-Shot 神经网络搜索(NAS)的searching阶段到底在做什么？

https://mp.weixin.qq.com/s/vq4HrSxhkN6gNIrb0BCxuQ

SMASH：经典One-Shot神经网络搜索，仅需单卡

https://mp.weixin.qq.com/s/323RA6UtnyTySoXVXcJ2vA

华人团队打造：AutoML+GAN=AutoGAN！AI设计GAN模型比人类更好

https://mp.weixin.qq.com/s/nN7tgkvvkv8B8N-z4yAgcQ

四小时搜索NN结构，厦大提出快速NAS检索方法

https://mp.weixin.qq.com/s/rgUTcuH2mfIFBDoOfd26Cw

NASNet：神经架构搜索网络在图像分类中的表现