大规模图像分类器的演化

神经网络在解决复杂问题方面已经证明了其有效性，但设计其架构仍然具有挑战性，即使仅限于图像分类问题也是如此。我们的目标是尽量减少人类参与，因此我们采用进化算法来自动发现这些网络。尽管存在显著的计算需求，但我们展示了现在已有可能演化出精度与过去一年内发布的模型相当的模型。具体而言，我们以前所未有的规模应用简单的进化技术，从简单的初始条件出发，为CIFAR-10和CIFAR-100数据集发现了模型，分别达到了94.6%（集成模型为95.6%）和77.0%的精度。为此，我们使用了新颖且直观的变异算子来探索庞大的搜索空间；我们强调一旦进化开始，就不再需要人类参与，并且最终输出的是一个完全训练好的模型。在整个研究过程中，我们特别关注结果的可重复性、结果的变化性和计算需求。