Roboflow Train のニューラルアーキテクチャサーチ

ニューラルアーキテクチャ探索（NAS）が、物体検出およびインスタンスセグメンテーションのプロジェクト向けの学習エンジンとして利用できるようになりました。ハイパーパラメータを手動で調整して複数の個別トレーニングジョブを実行する代わりに、NAS は 1 回の実行で数千もの候補アーキテクチャを自動的に評価します。これにより、対象のデータセットとデプロイ先ハードウェアに合わせて、推論速度と精度の最適なバランスを見つけることができます。

独自の重み共有戦略を用いて、NAS は従来の計算コストのごく一部でこれらの構成を同時に探索します。学習が完了したら、得られたモデルを速度と精度のグラフで評価し、性能要件に最も適したバージョンをデプロイできます。多くの場合、標準的なファインチューニングよりも優れたレイテンシーと精度を実現します。