提出DTA-GT方向拓扑感知图Transformer预测NAS架构性能

Yuxiang Zeng 等在 arXiv 发布论文，提出 DTA-GT——一种基于全编码器方向一致性的方向与拓扑感知图 Transformer，用于以 DAG 表示的神经网络架构表征学习，在有限预算下预测架构的准确率和延迟。 模型在节点初始化、全局谱编码、成对交互和特征更新各环节保留有向计算语义。作者称，在 NAS-Bench-101 和 NAS-Bench-201 的准确率与延迟预测任务上，DTA-GT 在有限预算设置下持续优于代表性的序列、GNN、Transformer 及混合类预测器。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。