让AI去学习AI：你已经是个成熟的模型了，该学会自己训练了( 三 ) 随着深度神经网络的不断发展

通过网络转换/态射来探索搜索空间，它使用诸如插入层或添加跳过连接之类的操作将训练好的神经网络修改为新的结构。由于网络转换/态射从现有的训练网络开始，因此重用权重并且仅需为数不多的训练迭代来完成新的结构的训练。

文章插图
▲图7 one-shot结构图，实现连接无法删除而虚线连接可以删除
04 神经网络架构搜索的快速实现
使用开源的开源自动机器学习项目例如微软的NNI和亚马逊的AutoGluon可以快速实现常用NAS算法。下面简单介绍使用AutoGluon在10分钟内快速实现ENAS的过程：
1. 定义基础Block结构

文章插图
2. 定义ENAS单元结构

文章插图
3. 定义超网络

文章插图
4. 构造ENAS_Scheduler开始训练

文章插图
5. 训练结束可以查看搜索到的最佳结构

文章插图
总结传统的人工智能旨在使用机器帮助人类完成特定的任务，随着人工智能的发展，在计算机领域衍生出了机器学习，机器学习旨在通过计算机程序完成对数据的分析，从而得到对世界上某件事情的预测并做出决定。
当机器学习不断发展，其复杂程度也不断增加，完全依靠人为对计算机进行规定，使其按照人为设定的规则运行时，耗费了大量的人力资源。
【让AI去学习AI：你已经是个成熟的模型了，该学会自己训练了】如果让计算机自己去学习和训练规则，是否能达到更好的效果呢？自动机器学习就是答案，也就是所谓“AI的AI” ，让AI去学习AI ，从而减少人工的参与，让机器完成更复杂的工作，掀起下一代人工智能的浪潮。