T NAS:ICLR2020论文“通过元学习实现神经体系结构的快速适应”的源代码 Source code learning

T-NAS PyTorch实施ICLR2020论文“通过元学习实现神经体系结构的快速适应” 要求 的Python:3.x 火炬:1.0+ tensorboardX> = 1.4 火炬视觉> = 0.2.1 翻牌 用法 在Mini-Imagenet中搜索T-NAS bash train_tnas.sh 在Mini-Imagenet中评估T-NAS 在这里,工作量非常大,因为我们仅在搜索阶段获得元theta。 值得注意的是,网络权重不能用于评估最终性能。 与其他NAS(例如Dart)和自动营销工具类似,我们需要从头开始训练模型。 在实施中,我们设置了600个任务(与元学习一致)进行评估。 因此,您需要执行以下步骤: 对于每个任务,请根据5路1/5镜头样本对体系结构theta进行解码。 使用maml方法训练每个解码后的拱门以获取权重,并在验证集中选择最佳模型。 对于每个任务,