핵심 개념
복잡한 다중 목적 NAS 작업을 간단한 Pareto 우위 분류 작업으로 변환하는 것
초록
기존 예측기 기반 방법의 문제 해결을 위해 Pareto-wise end-to-end 랭킹 분류기를 훈련
제안된 방법은 다양한 테스트 데이터셋에서 다른 NAS 방법을 능가함
제안된 방법은 다양한 모델 크기의 유망한 네트워크 아키텍처를 찾을 수 있음
통계
후보 고성능 아키텍처가 훈련된 예측기를 기준으로 더 나쁜 아키텍처보다 낮은 순위를 가질 수 있는 순위 장애 문제를 완화
NAS 방법들과의 계산 결과를 통해 제안된 방법이 순위 장애 문제를 완화하고 다른 방법들을 능가함
인용구
"Pareto-wise end-to-end 랭킹 분류기를 훈련하여 복잡한 다중 목적 NAS 작업을 간단한 Pareto 우위 분류 작업으로 변환하는 것이 목표입니다."
"제안된 방법은 다양한 테스트 데이터셋에서 다른 NAS 방법을 능가하며, 계산 결과는 제안된 방법이 순위 장애 문제를 완화하고 다른 방법들을 능가함을 보여줍니다."