DARTS：可微架构搜索 论文链接：https://arxiv.org/abs/1806.09055 项目链接：https://github.com/quark0/darts ABSTRACT 本文通过以可微分的方式表述任务，解决了架构搜索的可扩展性挑战。与在离散和不可微搜索空间上应用进化或强化学习的传统方法不同，我们的方法基于架构表示的连续松弛，允许使用梯度下降对架构进行有效搜索。在

作者： Hanxiao LiuKaren SimonyanYiming YangCMUDeepMindCMUhanxiaol@cs.cmu.edusimonyan@google.comyiming@cs.cmu.edu Liu, Hanxiao, Karen Simonyan, and Yiming Yang. “Darts: Differentiable architecture sear

DARTS的理解 详解文章链接：https://www.cnblogs.com/pprp/p/14467260.html

DARTS，论文的全名是Differentiable Architecture Search，即可微分的架构搜索。 综合之前的一些NAS论文方法可以看出，不管是强化学习、进化算法还是SMBO，这些都无法通过像传统深度学习那样由Loss的梯度来更新网络架构，只能间接去优化生成子网络模型的控制器（Controller RNN，Predictor）或方法（进化算法）。 DARTS论文第一次把网络模型